Assistance au calage de modèles

numériques en hydraulique fluviale

–
Apports de l’intelligence artificielle

Jean-Philippe Vidal

Thèse présentée pour obtenir le diplôme de docteur de

l’Institut National Polytechnique de Toulouse

18 mars 2005
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Travaux interdisciplinaires

Domaines
hydraulique fluviale
modélisation numérique
intelligence artificielle

2 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Travaux interdisciplinaires

Domaines
hydraulique fluviale
modélisation numérique
intelligence artificielle

Encadrement

Denis Dartus

Sabine Moisan

Jean-Baptiste Faure

2 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Modéliser le fonctionnement des cours d’eau

Modèle hydraulique
Représentation numérique
d’une rivière
Études des modèles 1-D

3 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Modéliser le fonctionnement des cours d’eau

Modèle hydraulique
Représentation numérique
d’une rivière
Études des modèles 1-D

Outil d’aide à la décision

Détermination des zones
inondables
Terrain riverains de la Lèze après le pas-
sage d’une crue.

3 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Modéliser le fonctionnement des cours d’eau

Modèle hydraulique
Représentation numérique
d’une rivière
Études des modèles 1-D

Outil d’aide à la décision

Détermination des zones
inondables
Étude de la propagation des La Lèze en phase de décrue.
crues

3 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

Calage de modèle en hydraulique fluviale

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

Calage de modèle en hydraulique fluviale

1 Comparaison de crues mesurées et simulées par le modèle

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

Calage de modèle en hydraulique fluviale

1 Comparaison de crues mesurées et simulées par le modèle
2 Ajustement des paramètres du modèle : coefficients de
résistance à l’écoulement

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

Calage de modèle en hydraulique fluviale

1 Comparaison de crues mesurées et simulées par le modèle
2 Ajustement des paramètres du modèle : coefficients de
résistance à l’écoulement

Le calage dépend des objectifs du modèle

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

Calage de modèle en hydraulique fluviale

1 Comparaison de crues mesurées et simulées par le modèle
2 Ajustement des paramètres du modèle : coefficients de
résistance à l’écoulement

Le calage dépend des objectifs du modèle

Domaine d’application visé : à quoi va servir le modèle ?

4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Contexte
Procédure de calage

Hypothèse
On suppose que si le modèle parvient à reproduire des événements
passés, il parviendra à reproduire des événements futurs ou
hypothétiques.

Calage de modèle en hydraulique fluviale

1 Comparaison de crues mesurées et simulées par le modèle
2 Ajustement des paramètres du modèle : coefficients de
résistance à l’écoulement

Le calage dépend des objectifs du modèle

Domaine d’application visé : à quoi va servir le modèle ?
Niveau de correspondance attendu : précision demandée sur la
concordance entre observations et résultats de simulation
4 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

Caractéristiques de la tâche
complexe, maîtrisée seulement par des experts

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

Caractéristiques de la tâche
complexe, maîtrisée seulement par des experts
large diffusion des codes de calcul =⇒ calage incombe à des
utilisateurs peu expérimentés

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

Caractéristiques de la tâche
complexe, maîtrisée seulement par des experts
large diffusion des codes de calcul =⇒ calage incombe à des
utilisateurs peu expérimentés

Méthodes actuelles de calage

Automatique Heuristique

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

Caractéristiques de la tâche
complexe, maîtrisée seulement par des experts
large diffusion des codes de calcul =⇒ calage incombe à des
utilisateurs peu expérimentés

Méthodes actuelles de calage

Automatique Heuristique

une fonction coût

un algorithme d’optimisation

un test d’arrêt

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

Caractéristiques de la tâche
complexe, maîtrisée seulement par des experts
large diffusion des codes de calcul =⇒ calage incombe à des
utilisateurs peu expérimentés

Méthodes actuelles de calage

Automatique Heuristique

une fonction coût un expert

un algorithme d’optimisation

un test d’arrêt

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Motivation
Calage de modèles hydrauliques

Caractéristiques de la tâche
complexe, maîtrisée seulement par des experts
large diffusion des codes de calcul =⇒ calage incombe à des
utilisateurs peu expérimentés

Méthodes actuelles de calage

Automatique Heuristique

une fonction coût un expert avec des connaissances

sur les procédures de calage, en
un algorithme d’optimisation hydraulique fluviale, sur le code
un test d’arrêt de calcul et sur le site étudié

5 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Objectifs

Concilier les méthodes actuelles

Lever les problèmes :

6 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Objectifs

Concilier les méthodes actuelles

Lever les problèmes :
liés à la difficulté de mise en œuvre de l’expertise

6 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Objectifs

Concilier les méthodes actuelles

Lever les problèmes :
liés à la difficulté de mise en œuvre de l’expertise
liés à l’optimisation mathématique
valeurs de paramètres irréalistes
équifinalité de jeux de paramètres

6 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Objectifs

Concilier les méthodes actuelles

Lever les problèmes :
liés à la difficulté de mise en œuvre de l’expertise
liés à l’optimisation mathématique
valeurs de paramètres irréalistes
équifinalité de jeux de paramètres

Produire un outil destiné à un utilisateur final

6 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Objectifs

Concilier les méthodes actuelles

Lever les problèmes :
liés à la difficulté de mise en œuvre de l’expertise
liés à l’optimisation mathématique
valeurs de paramètres irréalistes
équifinalité de jeux de paramètres

Produire un outil destiné à un utilisateur final

Formaliser les connaissances mises en œuvre par l’expert pour
automatiser le processus de calage

6 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Objectifs

Concilier les méthodes actuelles

Lever les problèmes :
liés à la difficulté de mise en œuvre de l’expertise
liés à l’optimisation mathématique
valeurs de paramètres irréalistes
équifinalité de jeux de paramètres

Produire un outil destiné à un utilisateur final

Formaliser les connaissances mises en œuvre par l’expert pour
automatiser le processus de calage
Concevoir et développer un système d’assistance au calage

6 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Système d’assistance au calage

Démarche

7 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Système d’assistance au calage

Démarche
1 Identification des connaissances

7 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Système d’assistance au calage

Démarche
1 Identification des connaissances

2 Modélisation des connaissances

7 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Système d’assistance au calage

Démarche
1 Identification des connaissances

2 Modélisation des connaissances

3 Implémentation opérationnelle d’un système à base de

connaissances

7 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Approche
Système d’assistance au calage

Démarche
1 Identification des connaissances

2 Modélisation des connaissances

3 Implémentation opérationnelle d’un système à base de

connaissances

Outils d’intelligence artificielle

langage de représentation de connaissances
moteur d’inférence

7 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Plan de l’exposé

1 Modélisation des connaissances

2 Implémentation d’un système d’assistance au calage

3 Mise en œuvre opérationnelle

4 Extensions du système

5 Conclusions et perspectives

8 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Plan

1 Modélisation des connaissances

Quelles connaissances ?
Les concepts
Les procédures
Les raisonnements

2 Implémentation d’un système d’assistance au calage

3 Mise en œuvre opérationnelle

4 Extensions du système

5 Conclusions et perspectives

9 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Quelles connaissances ?

10 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Quelles connaissances ?

Différents types de connaissances

des concepts : éléments manipulés
des procédures : structure de la tâche
des raisonnements : règles heuristiques

10 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Quelles connaissances ?

Différents types de connaissances

des concepts : éléments manipulés
des procédures : structure de la tâche
des raisonnements : règles heuristiques

10 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Quelles connaissances ?

Différents types de connaissances

des concepts : éléments manipulés
des procédures : structure de la tâche
des raisonnements : règles heuristiques

Différents niveaux de connaissances

1 génériques : calage de modèles numériques

2 spécifiques au domaine : hydraulique fluviale 1-D

3 propres à l’utilisation du code de calcul : Mage
4 sur le site étudié : mesures

10 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les concepts
Connaissances descriptives

Définition
Ontologie : description des concepts et de leurs liens au sein d’un
domaine donné.

11 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les concepts
Connaissances descriptives

Définition
Ontologie : description des concepts et de leurs liens au sein d’un
domaine donné.

Ontologies développées

11 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les concepts
Connaissances descriptives

Définition
Ontologie : description des concepts et de leurs liens au sein d’un
domaine donné.

Ontologies développées
1 OntoVal : concepts génériques manipulés lors de la
comparaison d’un système avec son modèle numérique

11 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les concepts
Connaissances descriptives

Définition
Ontologie : description des concepts et de leurs liens au sein d’un
domaine donné.

Ontologies développées
1 OntoVal : concepts génériques manipulés lors de la
comparaison d’un système avec son modèle numérique
2 OntoHyd : spécialisation des concepts et des relations de
OntoVal dans le domaine de l’hydraulique fluviale 1-D

11 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les concepts
Connaissances descriptives

Définition
Ontologie : description des concepts et de leurs liens au sein d’un
domaine donné.

Ontologies développées
1 OntoVal : concepts génériques manipulés lors de la
comparaison d’un système avec son modèle numérique
2 OntoHyd : spécialisation des concepts et des relations de
OntoVal dans le domaine de l’hydraulique fluviale 1-D

«Relativité de l’ontologie»
Cette modélisation des connaissances n’est ni exhaustive ni unique.

11 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Système physique affectent Événements

Tronçon Crues
de rivière

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Système physique affectent Événements

Tronçon Crues
de rivière

caractérisent caractérisent

Données événementielles

Hydrogramme,
Niveaux d’eau
Données
du système

Topographie

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

caractérisent caractérisent

Données événementielles

Hydrogramme,
Niveaux d’eau
Données
du système

Topographie

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

implémente
caractérisent caractérisent

Données événementielles

Hydrogramme,
Niveaux d’eau
Code de calcul Données
du système
Code Mage
Topographie

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

implémente
caractérisent caractérisent

Modèle numérique Données événementielles

Modèle hydraulique 1-D

de la rivière Hydrogramme,
Niveaux d’eau
Code de calcul Données
du système
Code Mage
Topographie

Paramètres

Coefficients
de résistance

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

implémente
caractérisent caractérisent

Modèle numérique Données événementielles

Modèle hydraulique 1-D Données Données

de la rivière d’entrée de référence

Code de calcul Données Hydrogramme Laisses de crue

du système amont
Code Mage
Topographie

Paramètres

Coefficients
de résistance

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

implémente
caractérisent caractérisent

Modèle numérique Données événementielles

Modèle hydraulique 1-D utilise Données Données

de la rivière d’entrée de référence

Code de calcul Données Hydrogramme Laisses de crue

du système amont
Code Mage
Topographie

Paramètres

Coefficients Prédictions
produit
de résistance
Ligne d’eau max

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

implémente
caractérisent caractérisent

Modèle numérique Données événementielles

Modèle hydraulique 1-D utilise Données Données

de la rivière d’entrée de référence

Code de calcul Données Hydrogramme Laisses de crue

du système amont
Code Mage
Topographie
reproduisent
Paramètres

Coefficients Prédictions
produit
de résistance
Ligne d’eau max

12 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Extrait des ontologies OntoVal et OntoHyd

Modèleconceptuel théorise Système physique affectent Événements

Équations Tronçon Crues

Saint-Venant 1-D de rivière

implémente
caractérisent caractérisent
simule

Modèle numérique Données événementielles

Modèle hydraulique 1-D utilise Données Données

de la rivière d’entrée de référence

Code de calcul Données Hydrogramme Laisses de crue

du système amont
Code Mage
Topographie
reproduisent
Paramètres

Coefficients Prédictions
produit
de résistance
Ligne d’eau max

12 / 42
OntoVal

affecte
théorise
SystèmeGénérique ModèleConceptuel
1 1..*

1 1
1..*
implémente
représentent
1..* PrédictionÉvénementielle Événement
1..* 1
particularise DomaineDApplicationVisé CodeDeCalcul 1 1..*
1
1 produit reproduisent
NiveauDeCorrespondanceAttendu
1..*
1..* 1
1
1 1 1..*
SystèmeÉtudié ModèleNumérique JeuDeDonnéesDeRéférence caractérisent
simule
1 1..*
caractérisent *
1 1..*
1..* 1

utilise {caractérisent le
DonnéesDu Système 1..* DonnéeÉvénementielle
même événement}
1..*
0..1 0..1 1..*
disjoints
JeuDeDonnéesDEntrée
{Pour une simulation
* * donnée}
1..*
1
Zone StructurePonctuelle Paramètre

1 1
DonnéeDeRéférence DonnéeDEntrée
* * {Caractérisent le
même événement}
ParamètreDistribué ParamètrePonctuel 1..*
OntoHyd(1/2)

Paramètre

CoefficientDeDébit ParamètrePonctuel ParamètreDistribué CoefficientDeResistance

1..* 1..* * 1
s'applique à s'applique à
{specialisation} 1
{spécialisation}
*
* 0..1
StructurePonctuelle DonnéesDuSystème Zone
0..1 1..*
s'applique à

{spécialisation} {spécialisation}

1 *
1 1..*
OuvrageHydraulique DonnéesDu SystèmeFluvial Bief TronçonDeRivière
appartient à
* 0..1 0..1 1..*
0..1
* * * 0..1 0..1
1
situé sur
situé sur 2..* noeud amont noeud aval
1 2..* 1 1

Déversoir Orifice SectionEnTravers Noeud

1 1 section amont
section aval
OntoHyd(2/2)

PrédictionÉvénementielle Evénement DonnéeÉvénementielle DonnéeDeRéférence

{sauf pour {suivant le

hydrogramme rôle dans le
latéral} calculée pendant 1 1 mesuré pendant processus
Crue de calage}

* *

CourbeDeCrue Courbe ObjetGraphique2D EnsembleDePoints EnsembleDePointsDeCrue

CourbeSurBief

Bief concerné : Bief

CourbeEnveloppe CourbeInstantanée CourbeSurSection CourbeRépartie EnsembleDePointsInstantanés

Début : Date Instant : Date Début : Date Tronçon concerné : TronçonDeRivière Instant : Date
Fin : Date Section : SectionEnTravers
Fin : Date

EnsembleDePointsLocalisés

Section : SectionEnTravers

LigneDEauEnveloppe LigneDEauCalculée LimnigrammeCalculé HydrogrammeCalculé HydrogrammeRéparti

0..1 0..1
0..1 0..1 2..* 0..1
2..* 2..* 2..* 2..*
EnsembleDePointsMaximums
NiveaudEauMaximum NiveauDEau niveau mesuré débit jaugé Débit

2..* InstantMaximum : Date

2..* 2..*
Jaugeage 2..* InstantMinimum : Date

0..1 0..1 0..1 0..1

LaisseDeCrue LigneDEauMesurée LimnigrammeMesuré CourbeDeTarage HydrogrammeMesuré LigneDelaissesDeCrue

2..*
0..1
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Décomposition du
processus de calage DéfinitionDesParamètres

6 tâches AffectationDesDonnées
principales
ValuationDesParamètres
24 sous-tâches
RéalisationDUneSimulation

ComparaisonDesPrédictions

QualificationDuModèleCalé

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Affectation
des données DéfinitionDesParamètres
Pour une crue : AffectationDesDonnées
données d’entrée : ValuationDesParamètres
condition limite
amont, condition
RéalisationDUneSimulation
limite aval...
données de ComparaisonDesPrédictions
références :
niveaux d’eau,
laisses de crues... QualificationDuModèleCalé

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Définition
des paramètres DéfinitionDesParamètres

locaux : AffectationDesDonnées
coefficient de
ValuationDesParamètres
débit des ouvrages
distribués :
RéalisationDUneSimulation
coefficients de
résistance ComparaisonDesPrédictions

Déterminer les zones de

résistance homogène
QualificationDuModèleCalé

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Valuation
des paramètres DéfinitionDesParamètres

intervalle de AffectationDesDonnées
variation
ValuationDesParamètres
valeur courante
RéalisationDUneSimulation

ComparaisonDesPrédictions

QualificationDuModèleCalé

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Réalisation
d’une simulation DéfinitionDesParamètres
création des AffectationDesDonnées
fichiers d’entrée
ValuationDesParamètres
exécution du code
exploitation des RéalisationDUneSimulation
fichiers de sortie
ComparaisonDesPrédictions

QualificationDuModèleCalé

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Comparaison
des prédictions DéfinitionDesParamètres
sélection des AffectationDesDonnées
prédictions
ValuationDesParamètres
émission de
jugements
RéalisationDUneSimulation
sélection
éventuelle des ComparaisonDesPrédictions
paramètres à
modifier
QualificationDuModèleCalé

16 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les procédures
Connaissances inférentielles (1/2)

CalageDeModèle

Qualification
du modèle calé DéfinitionDesParamètres
confrontation des AffectationDesDonnées
résultats obtenus avec
ValuationDesParamètres
l’objectif du modèle :
domaine
RéalisationDUneSimulation
d’application visé
niveau de ComparaisonDesPrédictions
correspondance
attendu
QualificationDuModèleCalé

16 / 42
 :DomaineDApplicationVisé

:DonnéeÉvénementielle :ModèleNumérique
:DonnéeÉvénementielle [non calé]

CalageDuModèle

DéfinitionDesParamètres

:ModèleNumérique
[paramètres définis]

InitialisationDesParamètres

:ModèleNumérique
AffectationDesDonnées
[paramètres initialisés]

Structure d’inférence AjustementDesParamètres

de la tâche de calage :JeuDeDonnéesDEntrée

:ModèleNumérique
[paramètres valués]

Diagramme d’activités RéalisationDUneSimulation :ModèleNumérique

[testé]

UML :DonnéeDeRéférence
:DonnéeDeRéférence
:PrédictionÉvénementielle
:PrédictionÉvénementielle
:
:JeuDeDonnéesDeRéférence
[concordance perfectible]

[reste des événements]

[définition ok]
ComparaisonDesPrédictions

[concordance perfectible]

[sinon]
[sinon]

:
:JeuDeDonnéesDeRéférence :
:JeuDeDonnéesDeRéférence
[meilleure concordance possible] [concordance perfectible]

QualificationDuModèleCalé

:NiveauDeCorrespondanceAttendu :ModèleNumérique
[calé et qualifié]
 :DomaineDApplicationVisé :NiveauDeCorrespondanceAttendu

:DonnéeDeRéférence :PrédictionÉvénementielle
:DonnéeDeRéférence :PrédictionÉvénementielle

ComparaisonDesPrédictions

SélectionDUneDonnéeDeRéférence

:DonnéeDeRéférence
[non confrontée]

SélectionDUnePrédiction

Zoom sur la tâche de

comparaison des prédic- :PrédictionÉvénementielle

tions ComparaisonEntreRéférenceEtPrédiction

Diagramme d’activités :DonnéeDeRéférence

[confrontée]

UML CompilationDesComparaisonsIntraÉvénement

[autres données de référence]

[sinon]

:JeuDeDonnéesDeRéférence
[confrontée]

CompilationDesComparaisonsInterÉvénements

:JeuDeDonnéesDeRéférence
:JeuDeDonnéesDeRéférence
[confronté]
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les raisonnements
Connaissances inférentielles (2/2)

19 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les raisonnements
Connaissances inférentielles (2/2)

Règles d’inférence
Si Conditions Alors Actions

19 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les raisonnements
Connaissances inférentielles (2/2)

Règles d’inférence
Si Conditions Alors Actions

Exemples
Si aucun hydrogramme n’est disponible à l’amont du domaine,

19 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les raisonnements
Connaissances inférentielles (2/2)

Règles d’inférence
Si Conditions Alors Actions

Exemples
Si aucun hydrogramme n’est disponible à l’amont du domaine,
on prendra comme condition limite amont un hydrogramme
enregistré sur le tronçon en le décalant temporellement.

19 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les raisonnements
Connaissances inférentielles (2/2)

Règles d’inférence
Si Conditions Alors Actions

Exemples
Si aucun hydrogramme n’est disponible à l’amont du domaine,
on prendra comme condition limite amont un hydrogramme
enregistré sur le tronçon en le décalant temporellement.
Si le cours d’eau est une petite rivière de plaine, propre,
sinueuse, avec quelques seuils et mouilles,

19 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Les raisonnements
Connaissances inférentielles (2/2)

Règles d’inférence
Si Conditions Alors Actions

Exemples
Si aucun hydrogramme n’est disponible à l’amont du domaine,
on prendra comme condition limite amont un hydrogramme
enregistré sur le tronçon en le décalant temporellement.
Si le cours d’eau est une petite rivière de plaine, propre,
sinueuse, avec quelques seuils et mouilles, le coefficient de
Manning sera compris entre 0, 033 et 0, 045. [Chow, 1959]

19 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Plan

1 Modélisation des connaissances

2 Implémentation d’un système d’assistance au calage

Pilotage de programmes
Prototype CaRMA-1

3 Mise en œuvre opérationnelle

4 Extensions du système

5 Conclusions et perspectives

20 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Notions

Intérêt pour le calage de modèles numériques

modélisation et mise en œuvre des connaissances : outils
d’intelligence artificielle
concepts communs entre pilotage et calage
techniques utilisées au sein du projet Orion

21 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Notions

Intérêt pour le calage de modèles numériques

modélisation et mise en œuvre des connaissances : outils
d’intelligence artificielle
concepts communs entre pilotage et calage
techniques utilisées au sein du projet Orion

Principes
Utilisation optimale des programmes existants pour satisfaire un
objectif donné

21 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Notions

Intérêt pour le calage de modèles numériques

modélisation et mise en œuvre des connaissances : outils
d’intelligence artificielle
concepts communs entre pilotage et calage
techniques utilisées au sein du projet Orion

Principes
Utilisation optimale des programmes existants pour satisfaire un
objectif donné
1 construction d’un plan d’enchaînement des programmes

21 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Notions

Intérêt pour le calage de modèles numériques

modélisation et mise en œuvre des connaissances : outils
d’intelligence artificielle
concepts communs entre pilotage et calage
techniques utilisées au sein du projet Orion

Principes
Utilisation optimale des programmes existants pour satisfaire un
objectif donné
1 construction d’un plan d’enchaînement des programmes
2 exécution et contrôle automatiques des programmes :
gestion des entrées et des sorties
script d’exécution
règles de détection d’erreurs et de réparation
21 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Outils

Yakl
langage de représentation de connaissances

22 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Outils

Yakl
langage de représentation de connaissances
possibilité de représenter textuellement des concepts, des
procédures et des raisonnements

22 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Outils

Yakl
langage de représentation de connaissances
possibilité de représenter textuellement des concepts, des
procédures et des raisonnements
constitution d’une base de connaissances

22 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Outils

Yakl
langage de représentation de connaissances
possibilité de représenter textuellement des concepts, des
procédures et des raisonnements
constitution d’une base de connaissances

Pegase+
moteur d’inférence

22 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Outils

Yakl
langage de représentation de connaissances
possibilité de représenter textuellement des concepts, des
procédures et des raisonnements
constitution d’une base de connaissances

Pegase+
moteur d’inférence
exploitation de la base de connaissances

22 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Pilotage de programmes
Outils

Yakl
langage de représentation de connaissances
possibilité de représenter textuellement des concepts, des
procédures et des raisonnements
constitution d’une base de connaissances

Pegase+
moteur d’inférence
exploitation de la base de connaissances
interprêteur Pegase+
Yakl −−−−−−−→ C++ −−−−−−−→ systeme.exe
compilateur

22 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Description

Premier prototype
Calibration of River Model Assistant
construit avec les outils de pilotage
fait appel au code Mage

23 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Description

Premier prototype
Calibration of River Model Assistant
construit avec les outils de pilotage
fait appel au code Mage

Base de connaissances
1 connaissances génériques sur le calage

2 connaissances du domaine de l’hydraulique

3 connaissances sur l’utilisation du code Mage

23 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Description

Premier prototype
Calibration of River Model Assistant
construit avec les outils de pilotage
fait appel au code Mage

Base de connaissances
1 connaissances génériques sur le calage

2 connaissances du domaine de l’hydraulique

3 connaissances sur l’utilisation du code Mage

Base de faits pour des cas d’étude

23 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Description

Premier prototype
Calibration of River Model Assistant
construit avec les outils de pilotage
fait appel au code Mage

Base de connaissances
1 connaissances génériques sur le calage

2 connaissances du domaine de l’hydraulique

3 connaissances sur l’utilisation du code Mage

Base de faits pour des cas d’étude

déclaration du modèle numérique et de son objectif

23 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Description

Premier prototype
Calibration of River Model Assistant
construit avec les outils de pilotage
fait appel au code Mage

Base de connaissances
1 connaissances génériques sur le calage

2 connaissances du domaine de l’hydraulique

3 connaissances sur l’utilisation du code Mage

Base de faits pour des cas d’étude

déclaration du modèle numérique et de son objectif
déclaration des données disponibles
23 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Fonctionnement automatique

Système Utilisateur

24 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Fonctionnement automatique

Système Utilisateur
Prend en charge
intégralement 21 sous-tâches
sur 24 :
applique des
raisonnements «experts»
pilote le code Mage

24 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Fonctionnement automatique

Système Utilisateur
Prend en charge
intégralement 21 sous-tâches
sur 24 :
applique des
raisonnements «experts»
pilote le code Mage
Réalise les autres tâches en
interaction avec l’utilisateur :
affiche les courbes
comparatives
pose des questions à
l’utilisateur

24 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

CaRMA-1
Fonctionnement automatique

Système
Prend en charge
intégralement 21 sous-tâches
sur 24 :
applique des
raisonnements «experts»
pilote le code Mage
Réalise les autres tâches en
interaction avec l’utilisateur :
affiche les courbes
comparatives
pose des questions à
l’utilisateur
Utilisateur
Effectue un choix parmi les
réponses proposées par le système
lors de la réalisation des
sous-tâches :
définition des zones de
résistance homogènes
initialisation des coefficients de
résistance
comparaison entre référence et
prédiction

24 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Plan

1 Modélisation des connaissances

2 Implémentation d’un système d’assistance au calage

3 Mise en œuvre opérationnelle

Calage d’un modèle de la Lèze
Calage d’un modèle de l’Hogneau
Discussion

4 Extensions du système

5 Conclusions et perspectives

25 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Présentation

Contexte
affluent de l’Ariège Lèze

26 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Présentation

Contexte
affluent de l’Ariège
tronçon de 27 km entre 2
stations hydrométriques
crue de février 2000 :
données externes seulement

26 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Présentation

Contexte
affluent de l’Ariège
tronçon de 27 km entre 2
stations hydrométriques
crue de février 2000 :
données externes seulement

Objectif du modèle
modèle destiné à la prévision
de crues
bonne reproduction de la
dynamique de crue

26 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Initialisation des coefficients de résistance

Méthodes implémentées

Méthode de Chow
Typologie de cours d’eau :
canaux creusés ou dragués
canaux revêtus ou bâtis
rivières naturelles
plaines d’inondations

27 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Initialisation des coefficients de résistance

Méthodes implémentées

Méthode de Chow Méthode de Cowan

Typologie de cours d’eau : n = (nb + n1 + n2 + n3 + n4 ) m
canaux creusés ou dragués où :
canaux revêtus ou bâtis nb matériau du fond
rivières naturelles n1 irrégularités
plaines d’inondations n2 variations de section
n3 obstructions
n4 végétation
m sinuosité

27 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Initialisation des coefficients de résistance

Attribution d’une valeur pour

les berges
Requête du système :

28 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Initialisation des coefficients de résistance

Attribution d’une valeur pour

les berges
Requête du système :
Type de buissons ?
1. épars et mauvaises herbes
2. légers et arbres, sans feuilles
3. légers et arbres, avec des feuilles
4. assez épais à épais, sans feuilles
5. assez épais à épais, avec des feuilles

Réponse de l’utilisateur :
2. Buissons légers et arbres, sans
feuilles

28 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de la Lèze

Initialisation des coefficients de résistance

Attribution d’une valeur pour

les berges
Requête du système :
Type de buissons ?
1. épars et mauvaises herbes
2. légers et arbres, sans feuilles
3. légers et arbres, avec des feuilles
4. assez épais à épais, sans feuilles
5. assez épais à épais, avec des feuilles

Réponse de l’utilisateur :
2. Buissons légers et arbres, sans
feuilles

=⇒ nmin = 0, 035 nini = 0, 050 nmax = 0, 060

28 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Présentation

Contexte
bassin versant de l’Escaut
Hogneau

29 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Présentation

Contexte
bassin versant de l’Escaut
tronçon de 5 km, endigué
station hydrométrique
crue de février 2002 :
données internes

29 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Présentation

Contexte
bassin versant de l’Escaut
tronçon de 5 km, endigué
station hydrométrique
crue de février 2002 :
données internes

Objectif du modèle
modèle destiné au
dimensionnement d’ouvrages
de protection
bonne reproduction des
niveaux d’eau maximum

29 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Affectation automatique des données

Sélection des données d’entrée

Condition limite amont
Décalage de l’hydrogramme
enregistré à la station

30 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Affectation automatique des données

Sélection des données d’entrée

Condition limite amont
Décalage de l’hydrogramme
enregistré à la station
Condition limite aval
Création d’une condition
critique sur le seuil aval

30 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Affectation automatique des données

Sélection des données d’entrée

Condition limite amont
Décalage de l’hydrogramme
enregistré à la station
Condition limite aval
Rule {
Création d’une condition If domaine_application
critique sur le seuil aval == "dimensionnement"
Then données.niveauxmax.role
Sélection des données de := "référence" }
référence
Examen du domaine
d’application visé
Choix des niveaux d’eau
maximum
30 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Comparaison et ajustement des coefficients de résistance

Comparaison visuelle 24

affichage des graphes 22

Requêtes du système :
20

Écart sur le tronçon aval :

y (m)
position relative ? 18

1.Courbe au-dessus des points

2.Courbe au milieu des points 16

3.Courbe en-dessous des points

14
Écart sur le tronçon aval :
3.15 3.2 3.25 3.3 3.35 3.4 3.45 3.5 3.55 3.6
distance relative ? point métrique (m) x 10
4

1.Courbe loin des points

2.Courbe assez loin des points
3.Courbe près des points

31 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Calage d’un modèle de l’Hogneau

Comparaison et ajustement des coefficients de résistance

Ajustement automatique 24

itératif de l’aval vers 22

l’amont
20
dans les limites des

y (m)
intervalles de variation 18

16

14

3.15 3.2 3.25 3.3 3.35 3.4 3.45 3.5 3.55 3.6
4
point métrique (m) x 10

31 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Cas d’étude

Situations de calage
variées :
domaine d’application visé
données disponibles

32 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Cas d’étude

Situations de calage
variées :
domaine d’application visé
données disponibles
courantes en ingénierie :
«Comment faire au mieux avec les données disponibles ?»

32 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Cas d’étude

Situations de calage
variées :
domaine d’application visé
données disponibles
courantes en ingénierie :
«Comment faire au mieux avec les données disponibles ?»

Tests à effectuer
réaliser un calage sur plusieurs événements

32 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Cas d’étude

Situations de calage
variées :
domaine d’application visé
données disponibles
courantes en ingénierie :
«Comment faire au mieux avec les données disponibles ?»

Tests à effectuer
réaliser un calage sur plusieurs événements
comparer avec un calage entièrement «manuel»

32 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Prototype CaRMA-1

Fonctionnement interactif
tâche de comparaison à la charge de l’utilisateur
ajustement des paramètres basé sur comparaison visuelle

33 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Prototype CaRMA-1

Fonctionnement interactif
tâche de comparaison à la charge de l’utilisateur
ajustement des paramètres basé sur comparaison visuelle
Est-il possible d’automatiser cette tâche ?

33 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Prototype CaRMA-1

Fonctionnement interactif
tâche de comparaison à la charge de l’utilisateur
ajustement des paramètres basé sur comparaison visuelle
Est-il possible d’automatiser cette tâche ?

Utilisation d’outils de pilotage de programmes

pilotage et calage : tâches proches mais différentes
tâche de calage «simulée» à l’aide d’artefacts de pilotage
difficultés pratiques pour ajouter de nouvelles connaissances

33 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Discussion
Prototype CaRMA-1

Fonctionnement interactif
tâche de comparaison à la charge de l’utilisateur
ajustement des paramètres basé sur comparaison visuelle
Est-il possible d’automatiser cette tâche ?

Utilisation d’outils de pilotage de programmes

pilotage et calage : tâches proches mais différentes
tâche de calage «simulée» à l’aide d’artefacts de pilotage
difficultés pratiques pour ajouter de nouvelles connaissances
Est-il possible d’obtenir un système plus évolutif ?

33 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Plan

1 Modélisation des connaissances

2 Implémentation d’un système d’assistance au calage

3 Mise en œuvre opérationnelle

4 Extensions du système
Automatisation de la tâche de comparaison
Développement d’outils d’IA dédiés au calage

5 Conclusions et perspectives

34 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Automatisation de la tâche de comparaison

Utilisation d’un module d’évaluation symbolique de courbes

Motivation
Hydraulique fluviale 1-D : utilisation de courbes
Expert raisonne de manière symbolique sur ces courbes

35 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Automatisation de la tâche de comparaison

Utilisation d’un module d’évaluation symbolique de courbes

Motivation
Hydraulique fluviale 1-D : utilisation de courbes
Expert raisonne de manière symbolique sur ces courbes

Description symbolique
lissage et segmentation
attribution de qualificatifs aux segments, aux pics et aux
ruptures de pente
dictionnaire numérique-symbolique défini par l’expert

35 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Automatisation de la tâche de comparaison

Utilisation d’un module d’évaluation symbolique de courbes

Motivation
Hydraulique fluviale 1-D : utilisation de courbes
Expert raisonne de manière symbolique sur ces courbes

Description symbolique
lissage et segmentation
attribution de qualificatifs aux segments, aux pics et aux
ruptures de pente
dictionnaire numérique-symbolique défini par l’expert

Comparaison automatique
Comparaison de deux courbes
Comparaison d’une courbe à un ensemble de points
35 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Automatisation de la tâche de comparaison

Intégration d’un code d’optimisation

Test sur le modèle de l’Hogneau

implémentation autonome d’un algorithme d’optimisation
globale (recuit simulé)
fonction coût : erreur moyenne entre ligne d’eau maximum
calculée et niveaux d’eau maximums observés
ajustement des coefficients de résistance

36 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Automatisation de la tâche de comparaison

Intégration d’un code d’optimisation

Test sur le modèle de l’Hogneau

implémentation autonome d’un algorithme d’optimisation
globale (recuit simulé)
fonction coût : erreur moyenne entre ligne d’eau maximum
calculée et niveaux d’eau maximums observés
ajustement des coefficients de résistance

Conclusions
augmentation du nombre de simulations par rapport au calage
assisté à l’aide de CaRMA-1 : 10 −→ 1000 − 10000
faible réduction de l’erreur : 11 cm −→ 9 cm
importance des connaissances a priori
réduction du nombre de simulations
discrimination des jeux de paramètres aberrants
36 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Développement d’outils d’IA dédiés au calage

Langage de représentation de connaissances

OVaL
Operational Validation Language

37 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Développement d’outils d’IA dédiés au calage

Langage de représentation de connaissances

OVaL
Operational Validation Language
Incorporation des éléments de OntoVal

Numerical Model {
Name
System
Objective
Simulation Code
System Data
...
Parameters
...
}

37 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Développement d’outils d’IA dédiés au calage

Langage de représentation de connaissances

OVaL
Operational Validation Language
Incorporation des éléments de OntoVal
Déclaration des éléments de OntoHyd
Numerical Model {
Name modèle_hydraulique_avec_Mage
System rivière
Objective calage_hydraulique
Simulation Code Mage
System Data
bief_étudié name bief
sections a Set of section_en_travers
Parameters
coeff_manning a Set of coefficients_de_résistance
coeff_débit a Set of coefficients_de_débit
}

37 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Développement d’outils d’IA dédiés au calage

Moteur d’inférence

Hydre
CalageDeModèle
Associé au langage OVaL
Met en œuvre l’ensemble des DéfinitionDesParamètres

sous-tâches de la procédure AffectationDesDonnées

de calage ValuationDesParamètres

RéalisationDUneSimulation

ComparaisonDesPrédictions

QualificationDuModèleCalé

38 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Développement d’outils d’IA dédiés au calage

Moteur d’inférence

Hydre
CalageDeModèle
Associé au langage OVaL
Met en œuvre l’ensemble des DéfinitionDesParamètres

sous-tâches de la procédure AffectationDesDonnées

de calage ValuationDesParamètres

⇒ Nouveau prototype RéalisationDUneSimulation

CaRMA-2 ComparaisonDesPrédictions

mêmes fonctionnalités
foncièrement évolutif QualificationDuModèleCalé

uniquement connaissances
métier

38 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Plan

1 Modélisation des connaissances

2 Implémentation d’un système d’assistance au calage

3 Mise en œuvre opérationnelle

4 Extensions du système

5 Conclusions et perspectives
Conclusions
Perspectives

39 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Conclusions

Capitalisation de connaissances
utilisation du code Mage
formalisation du savoir-faire de l’hydraulicien pour
l’établissement d’un «code de bonnes pratiques »
structure d’inférence de la tâche de calage (Hydre)

40 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Conclusions

Capitalisation de connaissances
utilisation du code Mage
formalisation du savoir-faire de l’hydraulicien pour
l’établissement d’un «code de bonnes pratiques »
structure d’inférence de la tâche de calage (Hydre)

Système d’assistance au calage de modèles hydrauliques

impose le suivi d’un «code de bonnes pratiques»pour le calage
ouvert à l’introduction de nouvelles méthodes pour faire face à
des cas spécifiques

40 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Conclusions

Capitalisation de connaissances
utilisation du code Mage
formalisation du savoir-faire de l’hydraulicien pour
l’établissement d’un «code de bonnes pratiques »
structure d’inférence de la tâche de calage (Hydre)

Système d’assistance au calage de modèles hydrauliques

impose le suivi d’un «code de bonnes pratiques»pour le calage
ouvert à l’introduction de nouvelles méthodes pour faire face à
des cas spécifiques

Outils d’IA dédiés au calage de modèles numériques

génériques et applicables dans d’autres domaines
40 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Perspectives

Ingénierie des connaissances

Intégrer un système global de gestion des connaissances sur un code

41 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Perspectives

Ingénierie des connaissances

Intégrer un système global de gestion des connaissances sur un code

Hydraulique fluviale
Développer des systèmes d’assistance à des tâches proches :
analyse de sensibilité des paramètres
validation de modèle

41 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Perspectives

Ingénierie des connaissances

Intégrer un système global de gestion des connaissances sur un code

Hydraulique fluviale
Développer des systèmes d’assistance à des tâches proches :
analyse de sensibilité des paramètres
validation de modèle

Le calage n’est pas spécifique à l’hydraulique fluviale 1-D

Appliquer les outils d’IA dédiés au calage dans d’autres domaines
hydraulique fluviale 2-D
hydrologie
modélisation couplée hydrologie-hydraulique
41 / 42
Introduction Connaissances Système Mise en œuvre Extensions Conclusions

Assistance au calage de modèles

numériques en hydraulique fluviale
–
Apports de l’intelligence artificielle

Jean-Philippe Vidal

Thèse présentée pour obtenir le diplôme de docteur de

l’Institut National Polytechnique de Toulouse

18 mars 2005
42 / 42