DESCRIPTION :
Doctorant Méthodes Avancées d'Assimilation de Données pour l'Estimation des Paramètres et des États dans les Modèles Hydrologiques en Contexte Montagneux H/F INRIA, * Service public des collectivités territoriales, Doctorant F/H Méthodes avancées d'assimilation de données pour l'estimation des paramètres et des états dans les modèles hydrologiques en contexte montagneux, Les hydrosystèmes de montagne sont particulièrement sensibles aux changements climatiques et présentent une grande hétérogénéité spatiale et temporelle dans leurs propriétés hydrauliques. Ces caractéristiques rendent complexe la modélisation hydrologique et, en particulier, l'estimation fiable des paramètres et états des modèles, souvent basée sur des données partielles comme les débits ou la piézométrie.
L'assimilation de données permet de combiner les observations disponibles, les modèles numériques et les connaissances a priori pour améliorer ces estimations. Si des méthodes comme le filtre de Kalman d'ensemble (EnKF) sont aujourd'hui bien établies, elles reposent sur des hypothèses parfois trop restrictives (linéarité locale, distributions gaussiennes). Les filtres particulaires (PF), plus flexibles, offrent un cadre plus général mais sont encore peu utilisés dans la modélisation hydrologique à cause de leur coût computationnel élevé et de certaines limitations numériques.
Objectifs scientifiques :
- Comprendre les limites des méthodes classiques d'assimilation dans les modèles hydrologiques non linéaires et hétérogènes.
- Étendre l'usage des PF à des modèles réalistes via des stratégies d'optimisation (résampling adaptatif, localisation, réductions de dimension).
- Proposer une méthodologie générique d'assimilation robuste pour des modèles hydrologiques de complexité croissante., Cette thèse visera à :
- Développer une stratégie robuste d'assimilation de données dans les bassins versants de montagne, en s'appuyant sur les avancées du stage de master.
- Explorer, comparer et améliorer des méthodes EnKF, PF et hybrides pour l'estimation conjointe des états et paramètres hydrologiques.
- Introduire des représentations explicites de l'incertitude (ensembles, distributions postérieures, quantification bayésienne) pour guider les décisions hydrologiques.
- Appliquer ces méthodes à un cas d'étude réel, dans le cadre d'un partenariat avec les équipes de terrain (CNRS / ITES), et en tirer des recommandations méthodologiques pour différents contextes hydrologiques., Doctorant Méthodes Avancées d'Assimilation de Données pour l'Estimation des Paramètres et des États dans les Modèles Hydrologiques en Contexte Montagneux H/F
Code d'emploi : Hydrologue (h/f)
Domaine professionnel actuel : Géologues et Géographes Physiques
Niveau de formation : Bac+5
Temps partiel / Temps plein : Temps partiel/Plein temps
Type de contrat : Contrat à durée déterminée (CDD)
Compétences : C ++ (Langage de Programmation), Information Technology Enabled Service (ITES), Python (Langage de Programmation), MATLAB, Honnêteté, Analyse Numérique, Service Public, Etudes et Statistiques, Compétences de Modélisation, Filtre de Kalman, Mise en Rayon, Programmation Scientifique
Courriel :
webmaster@inria.fr
Téléphone :
0139635511
Type d'annonceur : Employeur direct