— Recrutement d’un(e) doctorat(e) —
Pour entamer sa prochaine phase du projet, le LabCom Hydr.IA cherche un(e) Doctorant(e) spécialisé(e) dans les » Jumeaux numériques d’hydrosystèmes complexes pour la prévision des crues par les modèles à réseaux de neurones.«
To begin its next phase of the project, the LabCom Hyrd.IA is looking for an PhD student specialized in « Digital twins of complex hydrosystems for flood forecasting using neural network models. »
Description du sujet de thèse Description of thesis topic
Contexte et problématique
Les outils numériques de prévision des crues s ’attachent presque exclusivement à établir la relation pluie-débit. En travaillant sur des estimations des pluies que l’on suppose optimales (pluviomètres, cartes krigées des pluviomètres au sol et/ou des échos radar) et sur des débits (calculés à partir des hauteurs mesurées), ils mettent en relation ces deux variables (spatialisées ou agrégées sur un bassin versant). Cette relation est fondée soit sur des cons idérations physiques, soit sur des considérations conceptuelles.
En général, si les approches utilisées par les modèles hydrologiques de simulation des crues conduisent à des performances convenables sur des bassins versants de grande taille, en raison notamment de l’inertie des propagations hydrauliques dans les rivières, elles semblent arriver à leurs limites de validité pour les bassins rapides, de petite taille, ou quand la composante souterraine est importante (karsts). Dans ces derniers bassins, l’extrême difficulté à réaliser une prévision météorologique fiable aux échelles de temps et d’espace nécessaires et le manque de connaissances sur le fonctionnement hydro(géo)logique de fine échelle est à l’origine de l’absence de réponse industrielle aux besoins des gestionnaires.
Dans leur forme la plus simple, les modèles prédictifs conçus avec les réseaux de neurones (modèles d’IA) sont des fonctions paramétrées, postulées a priori par le concepteur du modèle, dont les paramètres sont calculés grâce à la minimisation d’une fonction de coût. Ces modèles sont particulièrement adaptés à la réalisation de fonctions hydrologiques car ils n’ont pas besoin de connaissances a priori sur le processus à modéliser et possèdent la propriété d’approximation universelle. Cela signifie qu’ils peuvent approximer toute fonction différentiable, pourvu que la base de données entrées-sorties qui les alimente soit suffisamment riche en information. Les modèles à réseaux de neurones ont une autre propriété remarquable qui permet de décliner un modèle en plusieurs variantes, en fonction de la manière dont les perturbations s’appliquent au processus que l’on veut modéliser (Nerrand et al., 1993). Compte tenu des bruits et incertitudes considérables qui s’appliquent aux données des petits bassins, cette propriété est déterminante. Elle permet également de s’adapter en temps réel au contexte des perturbations qui peuvent intervenir sur la chaine d’acquisition des mesures (Artigue et al., 2012).
Plusieurs thèses se sont déjà déroulées au Laboratoire avec succès sur la modélisation hydro(géo)logique par IA : Mohamed Toukourou (2009), Line Kong A Siou (2011), Guillaume Artigue (2012), Audrey Bornancin-Plantier (2013), Virgile Taver (2014), Thomas Darras (2015), Michaël Savary (2018), Bob Saint Fleur (2021), qui ont pu contribuer à la définition de méthodologies de conception de ces modèles pour maximiser leurs propriétés prédictives et leur robustesse.
Context of the study
Numerical flood forecasting tools focus almost exclusively on establishing the rainfall-flow relationship. By working on rainfall estimates that are assumed to be optimal (rain gauges, kriged maps of ground rain gauges and/or radar echoes) and on flows (calculated from measured heights), they relate these two variables (spatially or aggregated over a catchment). This relationship is based on either physical or conceptual cons iderations.
In general, if the approaches used by hydrological flood simulation models lead to suitable performances on large catchments, due to the inertia of hydraulic propagations in rivers, they seem to reach their limits of validity for fast or small catchments. In the latter basins, the extremedifficultyinmakingreliablemeteorologicalforecastsonthenecessarytimeandspace s cales and the l ack of knowledge of fi ne-scale hydro(geo)logical functioning a re a t the origin of the absence of an industrial response to the needs of managers.
In their simplest form, predictive models designed with neural networks (AI models) are parameterised functions, postulated a priori by the model designer, whose parameters are calculated through the minimisation of a cost function. These models are particularly suitable for the realisation of hydrological functions because they do not require a priori knowledge of the process to be modelled and have the property of universal approximation. This means that they can approximate any differentiable function, provided that the input-output database that feeds them is sufficiently rich in information. Another remarkable property of neural network models is that they allow a model to be broken down into several variants, depending on how the perturbations apply to the process being modelled (Nerrand et al., 1993). Given the considerable noise and uncertainties that apply to data from small basins, this property is crucial. It also allows real-time adaptation to the context of disturbances that may occur in the measurement acquisition chain (Artigue et al., 2012).
Several PhD theses have already been successfully completed at the laboratory on hydro(geo)logical modelling by AI: Mohamed Toukourou (2009), Line Kong A Siou (2011), Guillaume Artigue (2012), Audrey Bornancin-Plantier (2013), Virgile Taver (2014), Thomas Darras (2015), Michaël Savary (2018), who were able to contribute to the definition of design methodologies for these models in order to maximise their predictive properties and their robustness.
Travail proposé
Les travaux proposés dans cette thèse s’appuient donc sur l’expérience unique de l’unité de recherche dans ce domaine, conférant une maîtrise rare des outils de prévision par réseaux de neurones.
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) (thèse de Pierre Lauret, 2014). 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 ». Cette démarche est le fil rouge à la thèse proposée ici.
Proposed work
The work proposed in this thesis is therefore based on the unique experience of the research unit in this field, providing a rare mastery of forecasting tools by neural networks.
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) (Pierre Lauret thesis, 2014). 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. This approach is the principal thread in the thesis proposed here.
Objectifs et résultats attendus / Goals and expected results
Compte tenu du contexte précédemment exposé, ce travail de thèse a pour objet de définir la méthodologie de conception d’un jumeau numérique de bassin versant en fonction du type de modèle et de bassin versant, ainsi que des principales limites des modèles pré -existants. Les terrains d’étude seront la bordure cévenole pour ses crues rapides avec les Gardons et la rivière Cèze, d’autres bassins des clients de SYNAPSE qui se porteront volontaires pour l’expérimentation, ainsi que des bassins à l’international (Maroc en particulier).
Cette thèse se déroulant au sein du Labcom Hydr.IA (https://hydria.ai), elle donnera au doctorant l’opportunité de découvrir le monde de la recherche au sein de l’Unité HSM (http://www.hydrosciences.org/), unité de recherche majeure dans le paysage français, tout en collaborant avec des utilisateurs proches du terrain, préoccupés par le sauvegarde des vies et des biens, grâce aux relations avec l’entreprise SYNASPSE (https://synapse-info.com).
Given the above context, the aim of this thesis is to define the methodology to design a digital watershed twin according to the type of model and watershed, as well as the main limitations of the pre-existing models. The study areas will be the Cevennes border for its flash floods with the Gardons and the Cèze rivers, other basins of SYNAPSE’s clients who will volunteer for the experimentation, as well as international basins (Morocco in particular).
This thesis will take place within the Labcom Hydr.IA (https://hydria.ai), and will give the PhD student the opportunity to discover the world of research within the HSM Unit (http://www.hydrosciences.org), a major research unit in the French landscape, while collaborating with users close to the field, concerned with the safeguarding of lives and property, thanks to the relationship with the company SYNASPSE (https://synapse-info.com).
Précisions sur l'encadrement Precision on the supervisory
Direction de la thèse / Thesis supervisors
Anne Johannet (HSM, IMT Mines Alès ; anne.johannet@mines-ales.fr) et Séverin Pistre (HSM, Université de Montpellier; severin.pistre@umontpellier.fr)
Co-encadrants de la thèse / Thesis co-supervisor
Guillaume Artigue (HSM, IMT Mines Alès ; guillaume.artigue@mines-ales.fr) et Alain Dezetter (HSM, IRD ; Alain.Dezetter@umontpellier.fr)
Établissement et localisation / Host institution & location
IMT Mines Alès (Ecole nationale supérieure des mines d’Alès) et le Centre et équipe de recherche CREER / ERT
École doctorale GAÏA (https://gaia.umontpellier.fr/)à Alès
Financement / Funding type : Allocation doctorale IMT Mines Alès
Profil candidat / Candidate Profile
Un candidat titulaire d’un Diplôme National de Master ou d’un diplôme d’ingénieur dans les domaines du machine learning, de la modélisation hydr(géo)logique ou la physique est plus spécifiquement recherché, mais des compétences en l’hydrologie, météorologie ou mathématiques seraient également les bienvenues. Une forte curiosité et appétence pour apprendre les autres disciplines est attendue.
A candidate with a National Master’s degree or an engineering degree in physics is specifically sought, but skills in hydrology, meteorology, statistical learning or mathematics would be welcome. A strong curiosity and appetite for learning about other disciplines is expected.
Langues / Languages : Français et/ou anglais
Spécialité / Discipline : Terre et Eau
Processus de candidature / Application process
Sur la base d’un CV et d’une lettre de motivation, veuillez adresser votre candidature à / On the basis of a CV and a cover letter, please send your application to :
Anne JOHANNET,directrice du LGEI : anne.johannet@mines-ales.fr
Séverin PISTRE, enseignant-chercheur HSM / Université des Sciences de Montpellier : severin.pistre@umontpellier.fr
Date limite de dépôt de candidature / Deadline: 15.05.2022
Début de thèse souhaité : avant novembre 2022
Beginning of thesis: before November 2022
Informations complémentaires / More informations
Le laboratoire Hydr.IA / Hydr.IA Lab
Hydr.IA est un est un Labcom (laboratoire commun), cofinancé par l’ANR (Agence nationale de la Recherche, entre l’Unité Mixte de Recherche HSM (N°5151) et l’entreprise SYNAPSE Informatique.
- HSM est une unité mixte de recherche (UMR UM CNRS 5151, IMT Mines Alès, IRD 050). C’est une des unités de recherche Phare en France dans le domaine de l’eau, elle compte près de 200 personnes, plus de 120 permanents scientifiques et plus de 50 doctorants et post-doctorants travaillant au sein de six équipes de recherches et deux ateliers transverses : l’atelier modélisation hydrologique et l’atelier Machine Learning. Ce Laboratoire Commun mobilise les compétences de huit chercheurs ou enseignant-chercheurs appartenant aux équipes HYTAQUE (HYdrogéologie et Transferts dans les Aquifères Karstiques et hétérogènEs) et HEC (Hydrologie, Ecohydrologie, Climat) localisés sur trois sites de l’Université de Montpellier (Maison des Sciences de l’Eau – campus Triolet et Faculté de Pharmacie), sur le site Alésien d’IMT Mines Alès et et au sein de certaines implantations IRD dans les pays du Sud (Etranger et ROM-COM). L’UMR accueille également une centaine de stagiaires par an. La variété des disciplines adressées par HSM permet de relever les grands défis liés à l’eau qui nécessitent des compétences variées (surveillance, déploiement de réseaux de capteurs, modélisation, chimie, biologie, gestion…) permettant aux équipes de s’intégrer dans des projets pluridisciplinaires et de s’impliquer dans plusieurs cercles et communautés, amplifiant ainsi son rayonnement.
- SYNAPSE Informatique SARL est une société d’ingénierie avec 25 collaborateurs spécialisée dans la mise en place et l’accompagnement de projets informatiques ambitieux d’expertise et d’intégration de systèmes. Synapse est fondée en 1997 et implantée actuellement à Montpellier et Marseille. Synapse a développé ces dernières années un pôle d’édition, intégration et services en ligne dans le domaine de la concentration des données hydrologiques, pour les alertes de crues et la gestion des ressources en eau. Les systèmes proposés par Synapse sont utilisés par les services de l’état – services de prévisions de crues essentiellement, incluant ceux présents sur notre région, les collectivités territoriales, les syndicats de bassin, les industriels. En plus des réalisations en France, Synapse a une activité à l’international, avec plusieurs déploiements au Maroc et au Madagascar sur des bassins hydrographiques critiques pour la problématique inondation et/ou la gestion des ressources en eau.
The Hydr.IA Laboratory is a joint laboratory, co-financed by the ANR (French National Research Agency), between the HSM Mixed research unit (Number 5151) and the company SYNAPSE Informatique.
- HSM is a mixed research unit (UMR UM CNRS 5151, IMT Mines Alès, IRD 050). It is one of the leading research units in France in the field of water, with nearly 200 people, more than 120 permanent scientists and more than 50 doctoral and post-doctoral students working in six research teams and two transverse workshops: the hydrological modelling workshop and the Machine Learning workshop. This joint laboratory mobilises the skills of eight researchers or teacher-researchers belonging to the HYTAQUE (HYdrogeology and Transfers in Karstic and Heterogeneous Aquifers) and HEC (Hydrology, Ecohydrology, Climate) teams located on three sites of the University of Montpellier (Maison des Sciences de l’Eau – Triolet campus and the Faculty of Pharmacy), on the Alésien site of IMT Mines Alès and within certain IRD establishments in southern countries (Abroad and ROM-COM). The UMR also welcomes about 100 trainees per year. The variety of disciplines addressed by HSM enables it to take up the major challenges related to water, which require a variety of skills (monitoring, deployment of sensor networks, modelling, chemistry, biology, management, etc.), enabling the teams to be integrated into multidisciplinary projects and to become involved in several circles and communities, thereby increasing its influence.
SYNAPSE Informatique SARL is an engineering company with 25 employees specialising in the implementation and support of ambitious IT projects involving expertise and systems integration. Synapse was founded in 1997 and is currently based in Montpellier and Marseille. Over the last few years, Synapse has developed a publishing, integration and online services division in the field of hydrological data concentration, for flood warnings and water resource management. The systems proposed by Synapse are used by state services – mainly flood forecasting services, including those present in our region -, local authorities, basin syndicates and industrialists. In addition to its work in France, Synapse is active internationally, with several deployments in Morocco and Madagascar in river basins that are critical for flooding and/or water resource management.
L'institut Mines Télécom / The Institute Mines-Telecom
L’IMT est un grand établissement public dédié à l’enseignement supérieur et la recherche pour l’innovation ; c’est le premier groupe d’écoles d’ingénieurs en France. Acteur majeur du croisement entre les sciences et les technologies du numérique et de l’ingénieur, l’IMT met les compétences des écoles en perspective dans les grands champs des transformations numériques, industrielles, énergétiques et éducatives. L’IMT fédère 11 écoles d’ingénieur publiques réparties sur le territoire national, qui forment 13500 ingénieurs et docteurs. L’IMT emploie 4500 femmes et hommes et dispose d’un budget annuel de la recherche partenariale de 400M€ au sein de 55 centres de recherche rattachés à ses écoles. Il produit chaque année plus de 2000 publications et 60 brevets.
The IMT is a French public establishment dedicated to higher education and innovative research and, as it represents the ministries of industry and digital technology, it is the largest group of engineering schools in France. Being a major actor in the crossover of science, digital technologies and engineering, the IMT harnesses the competencies of its member schools and allows them to excel in the fields of the transformation of digital technologies, the industry, energy and education. The IMT brings 11 public engineering across France together. Collectively, they train 13,500 engineers and doctoral students as well as employing 4,500 women and men and manage a budget of €400m within 55 research centers connected to the schools. IMT publishes 2000 publications each year and registers 60 patents.
L'IMT Mines Alès
Cette institution est une des écoles de l’IMT. Forte de 180ans d’histoire au service de la science et des entreprises, l’école dispose d’une solide culture scientifique et technique qu’elle met au service de l’enseignement, de la recherche et du transfert technologique. L’école emploie 350 personnes et forme plus de 1100 élèves ingénieurs et chercheurs. Ses 3 centres de recherche développent une activité de haut niveau scientifique en partenariat avec les entreprises, dans les domaines de l’environnement, des risques, des matériaux, du génie civil, de l’intelligence artificielle et du génie industriel et numérique. Les valeurs promues à l’école sont l’audace, l’engagement, le partage et l’excellence.
This institution is one of the schools of IMT and, thanks to its 180 years of history of service to science and industry, the school thrives due to its solid culture of science and technology that it puts at the disposal of training, research and technology transfer. The school employs 350 people and trains more than 1100 students, engineers and researchers. Its three teaching and research poles contribute the development of high level scientific research in the areas of risk environment, materials, civil engineering, industrial engineering and digital technology. The school proposes rich and varied career paths as teacher/researchers have job mobility in the different schools of IMT and can equally take up, if they wish, positions of responsibility within the functional management of the school during a share of their time. Examples include dean, research director, international relations or economic development positions. The values promoted at the school are boldness, commitment, sharing and excellence.
Le Centre de Recherche et d’Enseignement en Environnement et Risques (CREER)
Au sein de l’École, IMT Mines Alès, le Centre de Recherche et d’Enseignement en Environnement et en Risques (CREER) héberge des activités de recherches axées sur deux thématiques dans les domaines de l’environnement et du risque. Chacune des thématiques est portée par un Laboratoire de recherche :
HSM (HydroSciences Montpellier) pour les activités dans le Domaine de l’eau
LSR (Laboratoire des Sciences du risque), pour les recherches sur les risques et la qualité de l’Air.
At IMT Mines Ales School, The Centre for Research and Teaching in Environment and Risks (CREER) hosts research activities focused on two themes in the fields of environment and risk. Each of these themes is supported by a research laboratory :
HSM (HydroSciences Montpellier) for activities in the field of water
LSR (Risk Sciences Laboratory), for research on risks and air quality.