Différences

Ci-dessous, les différences entre deux révisions de la page.

--- projet [2023/09/18 17:44] – [Sand to Green] Adrien Rombaut
+++ projet [2024/09/03 14:20] (Version actuelle) – Magali Tournus
@@ Ligne 1: / Ligne 1: @@
-**Voici la liste des projets proposés pour cette année 2023-2024**
+**Voici la liste des projets proposés pour cette année 2024-2025**
-======  Modèles de datascience pour la prévision de la pollution atmosphérique à Marseille ======
+======  Super-résolution basée sur l’IA pour la simulation numérique ======
 __Contact__:[[gchiavassa@centrale-marseille.fr|Guillaume Chiavassa]]
-La mise en place de restriction d’accès pour les automobiles dans les hyper-centres est basée sur la prévision de la pollution atmosphérique. L’objectif de ce projet sera de construire différents modèles de prédiction basés sur des algorithmes d’apprentissage et de tester leur robustesse vis-vis des données de pollution réelles. Les étapes principales de ce projet pourront etre:
+La simulation numérique de phénomènes complexes à partir de méthodes numériques classiques (différences finies, élément finis, etc…) peut s’avérer extrèmement couteuse en ressources informatiques et en temps de calcul.  Généralement, augmenter d’un facteur 2 la précision spatiale demande 4 fois fois plus de temps de calcul en dimension 1, 8 fois en dimension 3  et 16 fois plus en dimension 3.
+L’idée de ce projet est d’étudier et de mettre en oeuvre une méthode de super-résolution. Ce type de méthodes permet à partir d’un calcul sur une grille grossière de reproduire du mieux possible les résultats qui auraient été obtenus sur une grille plus fine. De nombreuses méthodes existent, souvent issues  des techniques de traitement d’images à base ou non de machine Learning.
+Ce qui est proposé ici est d’utiliser les méthodes de réduction de modèles de type auto-encoder qui permettent de réduire la dimension du problème initial en le transportant dans un espace (dit latent) de plus petite dimension. Le travail d’apprentissage permettant d’augmenter la résolution sera fait dans cet espace réduit en utilisant un réseau de neurones classique.
+Une fois les outils d’auto-encoder maîtrisés (en utilisant les librairies existantes de type scikitlearn, tensorflows, etc..) on commencera par  construire une méthode de super-résolution pour des simulations de propagation d’ondes  en dimension 1. Les simulations seront issues d’un code différences finies existant. En fonction de l’avancée du projet et des résultats obtenus, on pourra essayer d’étendre la méthode à la dimension 2.
+Le choix de ce projet requiert une motivation certaine pour le calcul scientifique, l’IA et l’utilisation de l’informatique (Python, bases de données).
-  * récupération de données de pollution et de relevés de stations meteorologiques,
-  * nettoyage et analyse de ces données et determination des paramètres physiques influents
-  * choix des grandeurs à prédire
-  * utilisation d’algorithmes d’apprentissage (décision trees, random forest, réseaux de neurones, etc…), tests, optimisation des hyperparametres, etc…
-  * comparaison avec les observations.
-======   Éolienne off-shore ======
+======   Projet à venir  ======
 __Contact__:[[mfouladirad@centrale-marseille.fr|Mitra Fouladirad]]
-L’objectif est de mieux comprendre les avantages et les inconvénients de la production d’énergie par les éoliennes off-shore. Pour ce faire, il est essentiel d’étudier les points suivants.
-  - Recherche bibliographique sur les matériaux de constitution et le fonctionnement d’une éolienne off-shore.
-  - Recherche bibliographique sur la durée de vie prévue d’une éolienne.off-shore (avec et sans maintenance).
-  - Analyse de l’énergie nécessaire à la fabrication d’une éolienne.
-  - Viabilité de l’énergie éolienne dans les conditions météorologiques extrêmes et en considérant les scénarios du réchauffement climatique. Ce travail nécessite :la modélisation statistique des données temporelles du vent, l’identification des scénarios extrêmes, simulation des données de vent pour ces scénarios et l’analyse de la production dans le cadre des données simulées
-Les données de production peuvent être issues du calcul via les formules existantes ou l'utilisation des logiciels libre. De nombreuses données de vents sont disponibles sur le web, par exemple voir :
-https://public.opendatasoft.com/explore/dataset/donnees-synop-essentielles-omm/table/?flg=fr&sort=date&q=
-====== Réacteur solaire ======
+======  Méthode des bases réduites pour la résolution d'EDP dépendant de paramètres  ======
-__Contact__:[[mfouladirad@centrale-marseille.fr|Mitra Fouladirad]]
+__Contact__:[[marie.billaud_friess@centrale-marseille.fr|Marie Billaud Friess]]
-L’objectif est de comprendre le fonctionnement d’un réacteur solaire qui produit de l’hydrogène à partir de l’eau et grâce à l’énergie solaire. Le but est d’analyser les limites et les avantages de la méthode de production. Pour ce faire, il est essentiel d’étudier les points suivants.
+Dans ce projet, nous souhaitons résoudre une équation aux dérivées partielles (EDP) elliptique dépendant de paramètres. Ce type de problème apparait par exemple lorsque les coefficients ou le terme source de l'EDP présentent des incertitudes. Dans ce genre de situation, il peut être intéressant de calculer la solution pour de multiples valeurs des paramètres. Cependant, calculer la solution approchée d’une telle équation par une méthode classique (e.g. différences finies, éléments finis) pour un grand nombre de valeurs des paramètres peut s’avérer trop coûteux d'un point de vue computationel. Il est donc nécessaire de réduire ce coût. Nous proposons ici une méthode des bases réduites qui s’appuie sur une résolution en deux  étapes. Premièrement, on résout le problème initial pour un nombre raisonnable de valeurs des paramètres. Deuxièmement, les solutions obtenues sont utilisées pour engendrer un espace de dimension réduite dans lequel on cherche une approximation de la solution, moins coûteuse à calculer.
-===== Partie I =====
+Le but de ce projet est  de comprendre cette méthode, puis de la mettre en oeuvre pour la résolution de problèmes en en une et deux dimension de l’espace. Il y aura une partie théorique mais aussi des développements numériques en Python et Freefem++ (éléments finis, bases réduites).
-  - Recherche bibliographique sur les matériaux de constitution et le fonctionnement d’un réacteur solaire.
+====== Organiser l'autoconsommation énergétique dans les bâtiments municipaux ======
-  - Recherche bibliographique sur la durée de vie prévue d’un réacteur solaire (avec et sans maintenance)
-  - Analyse de l’énergie nécessaire à la fabrication d’un réacteur solaire
-  - Étude de l’efficacité énergétique d’un réacteur solaire
-===== Partie II =====
+__Contact__:[[juliette.claudic@verneuil78.fr|Juliette Claudic]]
- Analyse de sensibilité de la production aux conditions environnementales et géographiques via une modélisation statistique du rayonnement solaire sur différentes zones géographique:
+Objectif : Réalisation d'une cartographie des gisements d'énergie renouvelable photovoltaïque et des besoins en consommation sur la ville de Verneuil-sur-Seine (78)
-  - Modélisation statistique des données temporelles du rayonnement solaire par un processus stochastique
-  - Simulation du rayonnement solaire pour générer des données relatives à différentes conditions environnementales et géographiques
-  - Analyse de la production pour chacune des bases de données simulées
-==== Liens utiles ====
+Livrables attendus : Etat de l'art-Rapport de faisabilité - Bilan
+Pré-étude 1 - Identifier les sites consommateurs et recenser les besoins en consommation en prenant en compte les pics et les potentielles évolutions futures.
+Pré-étude 2 - Identifier les potentiels de production d’énergie photovoltaïque (principalement en toiture et en ombrière) dans un rayon de 2km autour des bâtiments municipaux consommateurs, et vérifier la faisabilité technique d’une installation sur les sites.
-  * https://www.imeche.org/news/news-article/solar-reactor-provides-heat-oxygen-and-renewable-hydrogen
-  * https://www.data.gouv.fr/fr/datasets/rayonnement-solaire-global-et-vitesse-du-vent-a-100-metres-tri-horaires-regionaux-depuis-janvier-2016/#/resources
-  * https://joint-research-centre.ec.europa.eu/photovoltaic-geographical-information-system-pvgis/pvgis-data-download/nsrdb-solar-radiation_en
-  * https://www.earthdata.nasa.gov/topics/atmosphere/atmospheric-radiation/solar-irradiance
@@ Ligne 60: / Ligne 46: @@
 Il s'agira d'étendre les domaines du calcul du bilan carbone à l'école et de pérenniser son calcul afin qu'il puisse être fait chaque année.
-====== Variations de températures à la surface de la Terre explicables par le rayonnement ======
+======  Variations de température à la surface de la Terre ======
 __Contact__: [[frederic.schwander@centrale-marseille.fr| Frédéric Schwander]]
-La détermination de la température en tout point de la surface du globe est
+{{ :projetclimaths_2024-2025_schwander.pdf |}}
-un problème complexe, mettant en jeu des échanges entre le Soleil, l’atmosphère,
-les océans et la terre. L’acteur principal est cependant l’exposition au Soleil.
-Le sujet porte sur une modélisation déterministe réduite et locale des variations quotidiennes et annuelles de la temp ́erature à la surface terrestre pouvant être expliquées par le rayonnement. On supposera dans ce modèle une atmosphère simple transparente au rayonnement solaire, la surface terrestre
-comme un corps gris d'albédo différencié sur terre ou en mer, et prenant en
-compte les différences de capacité thermique. Au-delà de la modélisation, le
-projet s’appliquera à proposer une visualisation des résultats à tout instant sur
-l’ensemble du globe terrestre.
-====== Prédictabilité en météorologie ======
-__Contact__: [[chiheb.daaloul@centrale-marseille.fr| Chiheb Daaloul]]
-{{ :chiheb_sujet_climaths.pdf |Sujet}}
 ====== Extinctions d’espèces dues au changement climatique ======
@@ Ligne 90: / Ligne 63: @@
 Ce projet nécessite un intérêt pour l’écologie, les datasciences, les analyses spatiales et le changement climatique. L’analyse se fera de préférence en langage R mais peut aussi se faire avec python.
-====== Sand to Green ======
+Ce sujet a déjà été proposé en 2023-24, et les étudiants ont fourni un rapport sur lequel le groupe de cette année pourra s'appuyer pour aller plus loin.
-__Contact__ : [[benjamin@sandtogreen.com| Benjamin Rombaut]]
+====== Déclinaison de la trajectoire de référence pour l'adaptation au changement climatique de la France pour la région Provence-Alpes-Côte d'Azur  ======
+__Contact__ : [[thibault.landel@cerema.fr| Thibault Landel]]
+Les politiques climatiques peuvent se diviser en deux grandes catégories : l'atténuation du changement climatique et l'adaptation du changement climatique
+La première d'entre elles correspond à limiter les causes du changement climatique (éviter l'ingérable) en diminuant drastiquement les émissions de gaz à effets de serre.
+L'adaptation quant à elle correspond à limiter les effets du changement climatique (gérer l'inévitable) sur les écosystèmes et les sociétés humaines. En effet, le changement climatique va en particulier modifier les extrêmes dans des proportions variables ainsi que les aléas associés (en intensité, en fréquence, en durée, en saisonnalité, en vitesse d'apparition, en extension spatiale).
+Depuis 2023, une trajectoire de référence pour l'adaptation au changement climatique a été élaborée par les services de l'Etat et permet pour les territoires et les secteurs économiques de se projeter dans un climat futur suivant le scénario /ci-dessous /:
+  * + 1.5°C de température moyenne au niveau mondiale en 2030, soit 2°C en France Métropolitaine par rapport à la période préindustrielle  (1850-1900)
+  *  + 2.0°C en 2050, soit 2,7°C en France Métropolitaine
+  * + 3.0°C en 2100, soit 4°C en France Métropolitaine
+Or, du fait de la variabilité interne du climat qui rend impossible de prédire le climat sur des temps **inférieurs à 30 ans,** la projection dans le futur est souvent difficile pour les acteurs des territoires et de la gestion de crise et peut donc freiner la prise de décision.
+L'objectif de ce projet est, à partir de la littérature scientifique (dont une partie sera fournie (GREC Sud, GIEC, articles scientifiques), d'imaginer quelques scénarios climatiques (aussi appelés trame de climat physique ou climate storylines dans le GIEC) pour le climat de la Région Provence-Alpes-Côte d'Azur.
+Quelques exemples de ce sur quoi les travaux pourraient porter :
+  *  L'identification des grandes causes de la variabilité interne de la région Sud, leurs évolutions possibles avec le changement climatique et leurs impacts sur la météo du futur
+  *  Imaginer ce que serait une année type avec de fortes précipitations  avec des propositions de quantifications dans le futur:  Une vague de chaleur type en 2050, une année particulièrement sèche en 2060, autre (en fonction des besoins des acteurs)...
+Des contacts pourraient être envisagés avec le monde académique et les instituts de recherche associés (projet PEPR TRACCS)
+Une attention particulière sera portée à :
+  * La compréhension des différents types d'incertitude (liés aux modélisations climatiques, liés à la variabilité interne du climat)
+  * La capacité à se projeter et la plausabilité des projections (plus que leur probabilité)
-Sand to Green est une startup franco-marocaine qui cultive les déserts en utilisant des modèles d'agroforesterie spécifiques aux milieux arides et du dessalement solaire pour irriguer nos plantations. Ces plantations produisent 3 types de revenus : production alimentaire des arbres, production de fourrage sur les cultures intercalaires, production de crédits carbones.
+Des travaux de modélisation en utilisant les projections climatiques pourront être utilisés (Données du portail DRIAS par exemple DRIAS, Les futurs du climat - Accueil (drias-climat.fr) <https://drias-climat.fr/>, utilisation de logiciel de cartographie type qgis)
-==== Modélisation ====
+Ce travail est exploratoire et les livrables pourront être variése. Le livrable pourrait servir de base pour des études portant sur la vulnérabilité et les impacts sur différents systèmes (ressources en eau, infrastructures de transports, agriculture, énergie, etc.). Une restitution auprès du CEREMA sera envisagée.
-Sand to Green a développé un modèle d'agroforesterie qui s'inspire des écosystèmes oasiens. Ce modèle a été nourri par la littérature scientifique et permet de connaitre les besoins en eau des plantations, leur captation carbone, leur potentiel de production agricole ainsi que les couts et revenus liés à chaque plantation.
-==== Nos besoins ====
-En partenariat avec l'École Centrale Marseille et son programme CLIMATHS, nous aimerions proposer aux étudiants de:
-Travailler sur l'amélioration de notre modélisation carbone. Aujourd'hui nous avons développé un modèle basique issue d'une formule allométrique standard. Nous pensons que ce modèle peut être améliorée en tenant compte de certaines variables d'ajustement et de la littérature scientifique.
-Travailler sur la modélisation des besoins en eau. Notre modèle actuel n'inclus pas des variables telles que l'évapotranspiration (formule disponible dans la littérature scientifique), l'humidité, l'ensoleillement, etc.
-Un travail sur l'approfondissement de la modélisation économique pourrait aussi être envisagée le cas échéant.