Modélisation des matières en suspension par réseaux de neurones - French Riviera, France - IRSN
Description
Mission
Objectifs scientifiques de la thèse
Lobjectif scientifique de la thèse est dutiliser une approche dapprentissage profond pour modéliser la quantité de MES transportées dans le Rhône, leur taille, la quantité de COP et la concentration de certains contaminants mesurés dans le cadre de lOSR (radionucléides, métaux, mercure).
Les travaux de cette thèse permettront de progresser sur plusieurs points : sur lutilisation des modèles de données (machine learning, deep learning) qui pourraient avoir un intérêt conjoint pour la recherche, la surveillance et lexpertise, notamment en étudiant les techniques dites de « transfer learning » dans différents contextes environnementaux ; sur la modélisation de paramètres dintérêt pour aider à comprendre le comportement des contaminants dans les cours deau et pour les utiliser dans les modèles de dispersion hydro-sédimentaire ;sur la modélisation des concentrations des contaminants pour compléter les observations de lOSR ; et enfin sur la prédiction dans différents scénarios de changement climatique.
Travaux-méthodes et moyens
Utilisation des travaux de machine learning réalisés au sein du laboratoire daccueil, notamment sur les réseaux de neurones récurrents.
Utilisation des bases de données de lIRSN et de lOSR
Ces travaux ayant lieu dans le cadre de lOSR, vont bénéficier des différents partenaires scientifiques et techniques impliqués dans le projet. Des comparaisons de modélisation pourront ainsi être réalisées entre le modèle de données et les modèles hydro-sédimentaires utilisés dans lOSR pour simuler la concentration de la charge en suspension.
Calendrier
Année 1 : Bibliographie ; Compilation des données dintérêt ; Application de modèles basiques et avancés pour prédire la concentration de matière en suspension (MES)
Année 2 : Poursuite des travaux sur la concentration de MES ; Mise en place dun modèle de données pour prédire la taille des particules et le COP dans le Rhône ; Réalisation de campagne de prélèvements/
Année 3 : Poursuite des travaux de lannée 2 ; Mise en place dun modèle de données pour prédire la concentration des contaminants dintérêt ; Application avec scénario de changement climatique
Publications
Gupta, D et al., . Environ. Earth Sci. 80, 139
Yaseen, Z.M., . Sci. Total Environ. .
Lepage, H et al., . Grain size analyzers: results of an intercomparison study. SN Applied Sciences, 1 .
Lepage, H. et al. . Use of machine learning and deep learning to predict particulate Cs concentrations in a nuclearized river. Journal of Environmental Radioactivity, (May), .
Profil recherché
Mathématique et Informatique, domaine de lintelligence artificielle
Télétravail
Régulier
Informations complémentaires
La thèse étant co-financée par l'Observatoire des Sédiments du Rhône, elle bénéficiera de son collectif et de l'expertise de nombreux spécialistes du Rhône. Des déplacements seront à prévoir en région Lyonnaise pour échanger sur les données et l'avancée de la thèse. La participation a des conférences nationales et internationales est attendue
Diversité
...
Localisation du poste
Localisation du poste
Europe, France, Provence-Cote d'Azur