Stage de fin d'études Hybridation modèles hydrauliques et IA pour l’assainissement (H/F)

Le stage est proposé par SUEZ, le LyRE, Centre d'Innovation et d'Expertise de SUEZ. Le LyRE est composé d'une cinquantaine d'ingénieurs et chercheurs, répartis en 5 pôles d'expertises : Data, Réseaux, Environnement, Recyclage & Valorisation des déchets et Acteurs & Usages.
Le pôle Data a pour mission de valoriser les données dans un objectif d'optimisation des performances métiers. Composé d'une équipe de 12 personnes, le pôle Data porte une expertise en data science qui couvre les domaines de la modélisation data et du prototypage de solutions digitales. Le pôle Réseaux intervient sur les domaines des réseaux d'assainissement et des stations de pompage. Composé d'une équipe de 18 personnes, les activités du pôle Réseaux s'articulent autour de 3 grandes thématiques dont l'une d'entre elles porte sur la Gestion des flux.

Contexte
Les modèles utilisés jusqu'à présent en hydraulique urbaine pour la gestion des eaux usées et des eaux pluviales sont presque exclusivement des modèles à base physique (résolution des équations de Barré de St Venant).
Ces modèles sont utilisés aussi bien en mode étude (offline) pour dimensionner des ouvrages qu'en temps réel (online) pour prévoir les débits à gérer en réseau quelques heures par avance. La qualité de ces modèles est reconnue mais reste dépendante tout de même de la qualité des données de mesure utilisées pour le calage. De plus, la configuration réelle de fonctionnement d'un réseau évolue continuellement - encrassement des conduites, variation du volume d'eaux claires parasites, défauts d'ouvrages, … - ce qui peut introduire des dérives significatives lorsque les modèles sont utilisés en temps réel. Il est nécessaire de les actualiser en continu avec les mesures in situ mais les procédures d'assimilation de données classiques ne sont pas applicables.
Plus récemment, des approches de modélisation purement data - en particulier approches IA - sont apparues. Ces approches semblent intéressantes - temps de calcul réduits, description des assets limitée, … - mais elles restent encore au stade de l'expérimentation. Parmi les principales limites et les freins des approches orientées données, on peut noter que ces modèles sont directement dépendants de la quantité et de la qualité des données disponibles, or nous savons que les mesures en assainissement sont soumises à des défaillances et des incertitudes.
L'utilisation de modèles pour concevoir et piloter en temps réel les systèmes de collecte des eaux usées et des eaux pluviales est essentielle mais chaque approche - modèles à base physique, modèles IA - a donc aujourd'hui ses propres forces et ses propres limites.

Objectifs

L'objectif du projet est d'explorer comment ces deux approches de modélisation pourraient être combinées/hybridées afin de s'affranchir ou de minimiser les limites mentionnées ci-avant.
Pour ce faire, la mission du stagiaire consistera à explorer différentes techniques de modélisation dans un objectif d'amélioration de la précision des prévisions hydrauliques. Cela nécessitera de :
• Réaliser un état de l'art des différentes approches de modélisation en hydraulique urbaine pour la gestion hydraulique prédictive des réseaux d'assainissement. La recherche bibliographique s'étendra des modèles physiques, classiquement utilisés dans le domaine, aux outils de réseaux neuronaux fondés sur la physique (PINNs) ;
• Développer et tester des modèles hybrides, utilisant à la fois les approches physiques classiques et les modèles d'IA. Mettre en place plusieurs formes/niveaux d'hybridation en fonction de la disponibilité et la qualité des mesures. Les développements seront réalisés sur un site pilote possédant déjà un modèle hydraulique calé.
• Evaluer la performance des différents modèles et procéder à leur comparaison.
Au regard des verrous scientifiques identifiés au cours du stage et des premiers résultats obtenus, les travaux pourront être approfondis à l'issue du stage (par exemple par le biais d'une thèse CIFRE).