Stratégie d'assimilation de données dans un modèle hydro-sédimentaire - application à la vallée de la Roya

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. De la recherche à l’industrie, l’innovation technologique est au cœur de son action, articulée autour de quatre priorités stratégiques : Mobilité Durable, Energies Nouvelles, Climat / Environnement / Economie circulaire et Hydrocarbures Responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

• l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
• la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Partie intégrante d’IFPEN, l’école d’ingénieurs IFP School prépare les générations futures à relever ces défis.

Stratégie d’assimilation de données dans un modèle hydro-sédimentaire – application à la vallée de la Roya

Les évènements climatiques extrêmes comme les tempêtes peuvent engendrer des épisodes d’inondation forts et rapides aux graves conséquences humaines et matérielles. Il est donc crucial de pouvoir anticiper leur impact sur les paysages afin d’estimer les risques naturels et prévoir des plans de prévention adaptés.

De telles études de risque peuvent s’appuyer sur des modèles numériques reproduisant les processus hydro-sédimentaires en jeu lors de ces épisodes climatiques (montée des eaux, érosion, transport et dépôt des sédiments). Pour être les plus représentatifs possibles, ces modèles doivent être calibrés sur la zone étudiée, ce qui consiste à identifier une valeur de leurs paramètres d’entrée permettant de reproduire les mesures acquises sur cette zone. Toutefois, plusieurs modèles peuvent en général respecter ces données tout en ayant des comportements différents loin des points de mesure, et il est donc crucial de quantifier ces incertitudes restantes et d’en tenir compte dans la gestion des risques.

Dans le cadre de ce stage, on s’intéresse plus spécifiquement au passage de la tempête Alex dans la vallée de la Roya en 2020. L’objectif du travail est de mettre en place une stratégie de calibration pertinente et efficace pour l’identification de modèles hydro-sédimentaires de la vallée reproduisant les données acquises lors de cet épisode extrême (hauteurs d’eau, épaisseur et composition des sédiments déposés en quelques points du bassin versant).

Le stage visera plus précisément à réduire l’incertitude sur la distribution spatiale de la rugosité de la vallée en utilisant des méthodes d’assimilation de données basées sur les filtres de Kalman d’ensemble. De telles approches consistent à estimer l’incertitude sur les paramètres par des ensembles de modèles, et à mettre à jour cette incertitude au cours du temps en intégrant les données disponibles. Ces méthodes fournissent donc un ensemble de modèles représentant l’incertitude sur les paramètres contrainte aux données, et donc l’incertitude sur le comportement futur du bassin.

Le travail à réaliser dans le cadre de ce stage consistera à s’approprier des librairies existantes python implémentant les méthodes d’assimilation de données visées (EnKF, ES-MDA …), à les mettre en place pour le cas d’étude (lien avec le simulateur hydro-sédimentaire à réaliser notamment) et à étudier leur efficacité pour différentes configurations (taille de l’ensemble, définition de l’ensemble initial, fréquence d’acquisition des données …).

Connaissances recherchées :

Optimisation, statistiques, python ; intérêt pour la modélisation hydro-sédimentaire

---

Annonces similaires