Cerfacs Enter the world of high performance ...

Prédiction et reconstruction de données hydrauliques par apprentissage machine

 , ,

Required Education : M2
Start date : 1 February 2020
Mission duration : 6 mois
Deadline for applications : 31 December 2019
Salary : 600 €/mois

Sujet du stage :

Ce sujet, proposé dans le cadre d’une collaboration entre le CERFACS, la DREAL Occitanie et le SCHAPI, se déroulera au CERFACS. Le Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique (CERFACS) travaille à la résolution, par la modélisation et la simulation numérique, des problèmes scientifiques nécessitant le recours aux moyens de calcul les plus puissants. Il associe de manière interdisciplinaire, pour la recherche comme pour la formation avancée, des physiciens, des mathématiciens appliqués, des numériciens et des ingénieurs.

L’apprentissage machine rencontre un vif succès dans de nombreuses industries du numérique, où il a démontré des capacités largement supérieures aux approches antérieures dans des secteurs clés comme l'analyse d'image ou de texte. Les applications en calcul scientifique en revanche sont encore limitées, mais des efforts croissants voient le jour dans la communauté des physiciens. Les gains importants apportés par ces méthodes dans leurs domaines historiques laissent en effet présager de nombreuses applications en modélisation physique dans les années à venir. On propose dans ce stage d'investiguer l’apport d’algorithmes d’apprentissage au domaine de l'hydrodynamique fluviale, et plus particulièrement à l’extension de l’échéance de prévision des crues.

Ce stage fait suite à un précédent réalisé au printemps 2019, dans lequel un premier travail sur des séries temporelles a été réalisé. La tâche cible dans ce cadre a été la prévision à échéance fixe (4, 6 et 8h) des hauteurs d’eau de la Garonne à Toulouse, en utilisant les chroniques de hauteur d’eau enregistrées sur un ensemble de stations en amont. D’autres sources d’information ont également été considérées, comme des données de pluviomètres, ainsi que des données radar de pluies, mais n’ont pas fait partie des prédictions finales. Ce premier travail a permis de mieux cibler les problématiques du service de prévision des crues (SPC), ainsi que les spécificités du jeu de données. Des apprentissages ont été réalisés basés uniquement sur les chroniques d’eau aux stations, et ont montré une amélioration par rapport aux techniques en place au SPC à 4h et 6h.

Dans ce nouveau stage, nous proposons de construire sur cette base pour tenter d’augmenter l’échéance de prévision. Cela implique de remonter plus haut dans l’information amont, y compris d’intégrer les informations d’observation, voire de prévision de pluies. La fiabilité de prévision des événements rares d’apport important proche de la cible pourra également être améliorée avec ces données. Le traitement de données hétérogènes sera nécessaire: stations d’observation sur la rivière, pluviomètres (donnée pour laquelle le temps de transfert vers le débit de la rivière n’est pas connu a priori) et données radar (succession d’images et non de mesures, à traiter spécifiquement pour les intégrer aux prédictions) fusionnées dans le produit Antilope, prévisions RR3 des pluies à venir par Météo-France. L’exploitation de données débit en aval n’est pas non plus exclu, pour prendre en compte certains effets de remontée.

Profil recherché:

Ce poste, ouvert dès la rentrée 2019, est adapté à un cursus ingénieur avec une Césure ou bien un stage de M2 au premier semestre 2020. Une maîtrise partielle du language Python est nécessaire, et des marqueurs d’un intérêt déjà présent pour l’apprentissage machine seraient un plus. Si vous faites preuve de prise d'initiative, d'autonomie, de créativité, d'aptitude à apprendre et synthétiser, et que de surcroît vous appréciez les thématiques liées à la mécanique des fluides et à l'environnement, merci de postuler en envoyant un CV et une lettre de motivation aux contacts ci-dessous.

Contacts

– Corentin Lapeyre (lapeyre@cerfacs.fr)
– Sophie Ricci (ricci@cerfacs.fr)
– Arthur Marchandise (arthur.marchandise@developpement-durable.gouv.fr)