Thèse de Harizo Rajaona

Inférence Bayésienne adaptative pour la reconstruction de source en dispersion atmosphérique

En physique de l’atmosphère, la reconstruction d’une source polluante à partir des mesures de capteurs est une question importante. Elle permet en effet d’affiner les paramètres des modèles de dispersion servant à prévoir la propagation d’un panache de polluant, et donne aussi des informations aux primo-intervenants chargés d’assurer la sécurité des populations. Plusieurs méthodes existent pour estimer les paramètres de la source, mais leur application est coûteuse à cause de la complexité des modèles de dispersion. Toutefois, cette complexité est souvent nécessaire, surtout lorsqu’il s’agit de traiter des cas urbains où la présence d’obstacles et la météorologie instationnaire imposent un niveau de précision important. Il est aussi vital de tenir compte des différents facteurs d’incertitude, sur les observations et les estimations. Les travaux menés dans le cadre de cette thèse ont pour objectif de développer une méthodologie basée sur l’inférence bayésienne adaptative couplée aux méthodes de Monte Carlo pour résoudre le problème d’estimation du terme source. Pour cela, nous exposons d’abord le contexte scientifique du problème et établissons un état de l’art. Nous détaillons ensuite les formulations utilisées dans le cadre bayésien, plus particulièrement pour les algorithmes d’échantillonnage d’importance adaptatifs. Le troisième chapitre présente une application de l’algorithme AMIS dans un cadre expérimental, afin d’exposer la chaîne de calcul utilisée pour l’estimation de la source. Enfin, le quatrième chapitre se concentre sur une amélioration du traitement des calculs de dispersion, entraînant un gain important de temps de calcul à la fois en milieu rural et urbain

Jury

Thèse de l'équipe SIGMA soutenue le 21 novembre 2016

Retour vers les autres thèses