Jumeaux numériques d'hydrosystèmes complexes pour la prévision des crues par les modèles à réseaux de neurones.

Digital twins of complex hydrosystems for flood forecasting using neural networks models.

• Auteur / Autrice : Julien Adounkpe
• Direction : Anne Johannet, Séverin Pistre
• Type : Projet de thèse
• Discipline(s) : STE-Sciences de l'Eau
• Date : Inscription en doctorat le 15/10/2022
• Etablissement(s) : IMT Mines Alès
• Ecole(s) doctorale(s) : Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau
• Partenaire(s) de recherche : Laboratoire : HSM - Hydrosciences Montpellier
• Partenaire(s) de recherche : Equipe de recherche : Eau, Ressources, Territoires

Mots clés

Mots clés libres

Prévision des crues

Réseaux de neurones

Jumeaux numériques

Hydrosystèmes

Flood forecasting

Neural networks

Digital twins

Hydrosystems

Résumé

Les modèles d'IA tendent à se généraliser à tous les domaines de la vie courante comme la médecine ou même l'aéronautique. Dans ce dernier domaine, où l'exigence de sécurité et de preuve est imposée, l'utilisation de l‘IA est envisagée pour d'une part accélérer les temps de calcul des simulations physiques en réalisant un « jumeau numérique »et, d'autre part, pour complémenter les modèles traditionnels prouvés en augmentant leur précision par l'IA. Cependant, peu de travaux ont eu pour objectif d'émuler des modèles fondés sur la physique ou des analyses conceptuelles pré -existants, ou de compléter ces modèles à l'aide d'outils statistiques (IA). En particulier dans le champ thématique de l'hydrologie. C'est l'approche prévue dans le Labcom Hydr.IA : grâce à l'implantation dans le milieu des gestionnaires de l'eau de SYNAPSE Informatique, un des premiers objectifs est de créer des jumeaux numériques par IA, et de complémenter le modèle « connu » par IA lorsque celui-ci n'est pas assez efficient, ou de l'accélérer lorsque les temps de calculs ne sont pas compatibles avec une exécution « temps réel ». Pour plus d'information : https://hydria.ai/alerte-offre-de-these-digital-twins/

Recently, AI models have tended to be generalised to all areas of everyday life, such as medicine or even aeronautics. In the latter field, where safety and proof requirements are imposed, the use of AI is envisaged to accelerate the calculation time of physical simulations by creating a « digital twin » and to complement traditional proven models by increasing their accuracy through AI. However, few works have aimed at emulating pre-existing physics-based models or conceptual analyses, or at complementing these models with statistical tools (AI). In particular in the thematic field of hydrology. This is the approach planned in Labcom Hydr.IA: thanks to the Synapse's customers and deployed systems in the water risk management category, one of the first objectives is to create numerical twins using AI, and to complement the « known » model using AI when it is not efficient enough, or to accelerate it when the calculation times are not compatible with a « real-time » execution. For more information: https://hydria.ai/alerte-offre-de-these-digital-twins/