 |
 |
 |
 |
 |
 |
 |
 |
 |
| Titre | Analyse d'un espace de simulations d'un modèle agronomique pour un apprentissage interactif |
| Auteur(s) | Véronique Masson |
| Début | printemps 2012 |
| Description | Dans de nombreux domaines scientifiques, des modèles sont construits pour représenter les connaissances sur un phénomène. Ces modèles sont ensuite utilisés pour valider la pertinence des connaissances ou prédire le comportement du phénomène modélisé. La version informatisée de ces modèles permet de simuler des scénarios, ou situations particulières, et d'obtenir des résultats qu'il faut analyser. Les systèmes modélisés sont souvent complexes, et l'espace des simulations est important. Face au volume des résultats de simulation, il est important de se doter d'outils permettant de les analyser, de les visualiser, de repérer des éléments intéressants.
L'équipe DREAM travaille en liaison avec l'INRA (Institut National de Recherche en Agronomie) sur des modèles agronomiques dans le domaine du transfert de polluants dans les bassins versants. Le but est d'inclure ces modèles dans des outils d'aide à la décision afin d'améliorer la qualité des eaux en Bretagne. Nous nous intéressons ici en particulier aux modèles, développés dans le cadre du projet Sacadeau, qui décrivent le transfert de pesticides, de leur application sur les parcelles agricoles jusqu'à la rivière. De nombreuses simulations sont ainsi obtenues établissant des relations entre entrées (climatiques, de configuration spatiale, d'application de pesticides, etc) et sorties (quantités de pesticides à différents endroits) des modèles. Le travail demandé vise à définir des méthodes pour explorer l'espace des simulations de Sacadeau de manière efficace afin que l'analyse de cet espace permette, à plus long terme, un apprentissage interactif. Il s'agit d'utiliser des méthodes d'apprentissage non supervisé comme le clustering pour pouvoir détecter le caractère remarquable d'une simulation, au sens de sa représentativité d'un ensemble de simulations, ou bien le caractère inattendu ou surprenant d'une autre simulation, etc. Il faudra définir des critères de distance entre simulations, tenant compte de leur structure propre, entrées, paramètres, sorties, afin de pouvoir les visualiser selon ces critères, les regrouper en clusters, etc. L'objectif à plus long terme de ce travail est d'analyser la qualité des simulations par rapport à une question posée sur le comportement du système agricole et de pouvoir en déduire le choix des entrées de simulations à effectuer pour répondre à cette question. Ce travail de caractérisation de l'ensemble des simulations pourrait être une première étape d'un travail de thèse sur l'apprentissage inter-actif visant à enrichir l'espace des simulations en fonction d'une requête de l'utilisateur. Le stagiaire s'appuiera sur l'outil de simulation Sacadeau qui est opérationnel. Des compétences en analyse de données et fouille de données seront appréciées et correspondent en particulier au parcours P4 (« Des données aux connaissances : apprentissage, modélisation et indexation des contenus multimédias et des données symboliques ») du Master 2 Recherche en Informatique de l'Université de Rennes 1. Bibliographie : Al-Hegami A., Subjective measures and their role in data mining process, Proceedings of the International Conference on Cognitive Systems (ICCS), 2004. Chantal Gascuel-Odoux, Pierre Aurousseau, Marie-Odile Cordier, Patrick Durand, Frederick Garcia, Véronique Masson, Jordy Salmon-Monviola, Florent Tortrat, Ronan Trépos. A decision-oriented model to evaluate the effect of land use and agricultural management on herbicide contamination in stream water. Environmental Modelling and Software, Volume 24, Issue 12, December 2009, Pages 1433-1446 (http://www.sciencedirect.com) Chertov, O., Komarov, A., Mikhailov, A., Andrienko, G., Andrienko, N., and Gatalsky, P. 2005. Geovisualization of forest simulation modelling results: A case study of carbon sequestration and biodiversity. Comput. Electron. Agric. 49, 1 (Oct. 2005), 175-191 (http://geoanalytics.net/and/papers/compag05.pdf) Lenca P., Meyer P., Vaillant B., Lallich S. « On selecting interestingness measures for association rules: User oriented description and multiple criteria decision aid », European Journal of Operational Research, vol 184, p 610-626, 2008 Mots cles : Apprentissage non supervisé, Simulations d'un modèle, Apprentissage Interactif Contact : Véronique Masson, Irisa-bureau A122 Veronique.Masson@irisa.fr |
|
Ce site est maintenu par René Quiniou au moyen du système Weave développé au sein du projet Caravel : http://www-caravel.inria.fr. Dernière modification : 07-10-2011 09:54:25 | English version |