Stage de fin d'études : Mieux prévoir la ressource en eau dans le contexte du changement climatique

Mieux prévoir la ressource en eau dans le contexte du changement climatique : amélioration de modèles hybrides IA/conceptuels grâce à des données météorologiques plus précises

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 pour aider tous les métiers de SUEZ. 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.

Contexte et Objectif
Historiquement, pour prédire le débit d'une ressource, des modèles conceptuels permettant de schématiser la relation entre la pluie et le débit ont été développés. Ces modèles, tel que le modèle GR développé par l'INRAE, consistent à représenter le sol sous la forme de réservoirs conceptuels avec des flux entre ceux-ci et des équations paramétriques régissant ces flux. Les paramètres de ces équations peuvent être calés sur les données passées et ainsi le modèle adapté à chaque contexte. Plus récemment des modèles d'IA ont été testés dans ce contexte permettant de se libérer des contraintes paramétriques des modèles conceptuels.
Plus récemment encore, le LyRE a développé une approche hybride utilisant à la fois les modèles conceptuels et les modèles d'IA afin de garder l'intelligence de la compréhension terrain et d'y apporté la flexibilité de l'IA (Bouhafa et al, water supply 2024).

Les modèles hybrides développés par le LyRE ont montré de bonnes performances de prévision, néanmoins ils peuvent encore être améliorés. Une piste d'amélioration est de mieux prendre en compte les données météorologiques. En effet, les modèles sont pour l'instant au pas de temps journalier mais 10 mm de pluie tombée en 10 minutes ou en 10 heures n'a pas le même effet sur la ressource.
Dans le contexte du changement climatique où l'on peut s'attendre à un changement d'intensité des pluies à venir, il est important de prendre en compte ces différences.

Le stagiaire devra :
• Se saisir des modèles déjà développés au LyRE sur les différents types de ressource (souterraine et superficielle) ainsi que les données météo d'observation radar.
• Contribuer à la construction d'une base de données météo d'observation radar et au développement du système d'acquisition des données (requêtage direct, API).
• Développer différentes méthodes pour prendre en comptes ces nouvelles informations dans les modèles d'IA (consolidation géographique, temporelle, création de features, …).

• Tester les performances de ces méthodes et les comparer aux modèles précédents.