Dans cette étude, nous employons des méthodes de réduction de modèle pour réduire le temps de calcul nécessaire à l'intégration de la dynamique des aérosols soumis à la coagulation, tout en conservant un niveau de précision proche d'un modèle de référence. Nous comparons différentes méthodes permettant de construire un sous-espace réduit, telles que la décomposition en valeurs singulières et la factorisation en matrices non-négatives. Nous observons que l'erreur d'approximation pour des distributions typiques de milieux urbains décroit exponentiellement avec le nombre de degrés de libertés retenus. Des résultats préliminaires illustrent le fort potentiel de ces méthodes à capturer l'essentiel de la dynamique avec un nombre restreint de degrés de liberté. Comparé à des modèles sectionnels classiques, les modèles réduits présentent un compromis avantageux entre temps de calcul et précision.

In this study, we leverage reduced order modelling to lower the computational time associated with integrating the dynamics of aerosol undergoing coagulation processes, while keeping an accuracy level close to a reference model. We compare several methods which lead to a reduced subspace, such as singular value decomposition and non-negative matrix factorisation. We observe that typical urban aerosol distribution are exponentially well approximated by such methods, as a function of the number of degrees of freedom. Preliminary results showcase the strong potential of such methods in retaining most of the dynamics with limited degrees of freedom. In comparison with traditional sectional models, reduced models offer an advantageous trade-off between computational time and accuracy.