Sparse polynomial chaos expansions based on an adaptive Least Angle Regression algorithm

Dans cette communication, on propose un algorithme basé sur la technique Least Angle Regression (LAR) pour construire une représentation par chaos polynomial creux de la réponse d'un modèle mécanique dont les paramètres d'entrée sont aléatoires. Le plan d'expériences est automatiquement enrichi de sorte à éviter les problèmes se surapprentissage. On obtient au final une représentation ne comportant qu'un faible nombre de termes non nuls, qui peuvent être estimés au moyen d'un nombre réduit d'évaluations du modèle. L'algorithme est appliqué au calcul des moments statistiques du tassement d'une fondation sur un sol dont le module d'Young est modélisé par un champ aléatoire