Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Laboratoire d’Informatique, Bio-Informatique et S
Durée : 3 ans
Contact : Khalifa.Djemal@ibisc.univ-evry.fr
Date limite de publication : 2020-06-20

Contexte :
Il est désormais démontré que la qualité de l’air a un impact sur la santé et devient un sujet de plus en plus préoccupant à l’échelle urbaine. La caractérisation de sources de pollution atmosphérique en environnement urbain devient de ce fait un enjeu important, et repose essentiellement sur l’utilisation d’un grand nombre de capteurs fixes et/ou mobiles.

Les objectifs de ce travail de thèse concernent l’identification et la géolocalisation de sources de pollution atmosphérique, et ce grâce au déploiement d’un réseau de capteurs géographiquement distribués.
Dans ce contexte ce projet de recherche se propose de mettre en œuvre une méthode hybride d’identification de sources, couplant des approches d’apprentissage actif profond et des méthodes d’optimisation de données. Des campagnes de mesures existantes permettront de valider expérimentalement les approches développées

Sujet :
Depuis quelques années, différents travaux de recherche scientifique ont démontrés que la qualité de l’air a un impact sur la santé et devient un sujet de plus en plus préoccupant à l’échelle urbaine. L’identification et la géolocalisation de sources de pollution atmosphérique est donc un enjeu important et repose sur l’utilisation d’un grand nombre de capteurs de gaz multimodaux fixes et/ou embarqués.

En recherche scientifique, l’identification de sources polluantes repose sur la résolution d’un modèle inverse complexe mal posé au regard des données observées. La dispersion de polluants est généralement surveillée par des capteurs placés dans un domaine spatialement discret et fournissent des observations temporelles. Ces observations sont ensuite utilisées pour estimer les propriétés des sources de contaminants, par exemple leurs positions, leurs débits de rejet dans l’atmosphère et les paramètres du modèle régissant la dispersion de ces contaminants (par exemple la dispersion, la topographie du site, la météorologie, etc.). Ces estimations sont essentielles pour une évaluation fiable des dangers et des risques de contamination. Dans le cas particulier de plusieurs sources de contamination (avec des positions et des débits d’émission différents), les observations représentent un mélange ou une combinaison de deux ou plusieurs polluants.

Dans ce cadre, le travail attendu consistera en la résolution d’un problème de localisation de sources polluantes en environnement de type urbain avec un réseau de capteurs fixes et/ou mobiles. En effet, à partir de données optimisées, issues de campagnes de mesures existantes, c’est-à-dire des sources identifiées et localisées dans un environnement connu, il s’agira dans un premier temps, de mettre en œuvre un modèle d’apprentissage profond avec la prise en compte de manière active des différents paramètres des capteurs. Dans un second temps, le modèle construit avec une stratégie d’apprentissage actif, sera ensuite capable d’identifier et de donner une estimation de la position des sources polluantes dans un environnement inconnu.

Profil du candidat :
De niveau Master2 recherche ou équivalent, en Intelligence Artificielle (IA) et informatique ou Mathématiques appliquées (modélisation et calculs scientifiques).

La maîtrise des méthodes et des outils de traitement et analyse de données, des langages Python et C, sont vivement souhaités. Des connaissances de base en sciences de l’environnement atmosphérique seront également très appréciées.

Niveau d’anglais requis: Intermédiaire supérieur: Vous pouvez utiliser la langue de manière efficace et vous exprimer précisément.

Formation et compétences requises :
Master2 research level or equivalent, in Artificial Intelligence (AI) and Computer Science or Applied Mathematics (modelling and scientific calculations).

Mastery of data processing and analysis methods and tools, Python and C languages, are highly desirable. Basic knowledge of atmospheric environmental sciences will also be highly appreciated.

Level of English required: Upper Intermediate: You can use the language effectively and express yourself accurately.

Adresse d’emploi :
Univ. Evry, Université Paris-Saclay
IBISC, 40 rue du Pelvoux
91020 Evry Courcouronnes, cedex

Contact: Khalifa.Djemal@univ-evry.fr
Candidature: https://www.adum.fr/as/ed/voirproposition.pl?site=adumR&matricule_prop=31493#version
ou:
https://www.adum.fr/index.pl