Stage - Analyse par Machine Learning du comportement des barrages à partir de mesures de niveaux...

1 poste
stage
Réf. 8933741 - Publié le 7 décembre 2017
Domaine de formation

Sciences, technologies (Mathématiques, statistiques)

Mission

Contexte

EDF exploite de nombreux barrages hydroélectriques dont il doit garantir la sûreté. Un barrage va subir au long de sa durée de vie de faibles déplacements séparables en une composante réversible induite par la charge hydrostatique et la température de l'air,  et une composante irréversible liée aux pathologies ou au vieillissement du béton. C'est le suivi de ce déplacement irréversible qui constitue un des critères d'évaluation de la sûreté.

Un moyen de suivi consiste à réaliser des mesures de hauteurs d'eau dans des piézomètres qui vont être représentatives de la contribution cumulée des déplacements réversibles et irréversibles. Ces mesures sont acquises et traitées par la Division Technique Générale (DTG), entité d'ingénierie basée à Grenoble. Une des problématiques de séparation de ces déplacements est que les relations variables explicatives-déplacements ne sont pas simples. Une thèse CIFRE démarrée en octobre 2016 à la DTG s'intéresse donc à proposer de nouvelles méthodes de traitement en s'intéressant à diverses approches mêlant physique et statistiques.

La thèse allant se recentrer sur des approches plus physiques après un premier ensemble d'études plus statistiques, la finalité de ce stage est d'approfondir les méthodes de type Machine Learning plus spécifiquement.    

Objectifs du stage proposé

Ce stage a donc pour objectif d'exploiter dans une approche mono-capteur puis multi-capteurs les données de niveaux piézométriques en déterminant les relations entre les différentes variables explicatives disponibles (cote d'eau dans le barrage, température, saisonnalité, temps). Différentes méthodes de Machine Learning seront à appliquer (Réseaux de neurones, modèles GAM, etc.). Les modèles qui seront estimés seront à évaluer selon divers critères :


Performance de reconstruction des courbes de niveaux,


Capacité d'interprétation physique des relations identifiées,


Possibilité d'extrapolation hors du domaine d'apprentissage.

La pertinence physique des résultats sera notamment évaluée avec la DTG où le stagiaire pourra être amené à se déplacer pour présenter et échanger sur ses résultats. Cette étude sera à réaliser en R.


Profil


Machine Learning,


Programmation en R,


Connaissances de base en physique/mécanique des milieux continus.

Niveau(x) d'études

Bac +5 et plus - Bac +3 - licence Pro

Rémunération

Montant de la gratification obligatoire

Postuler
Par Internet :
https://diffuseur.kimladi.fr/offre/7ceaa1b1061a0b915dfa644d7cd0684e
Contact :
Equipe recrutement EDF