Thèse soutenue

Approches basées données et apprentissage pour la modélisation, la prévision et la reconstruction de dynamiques géophysiques : application à la dynamique océanique de surface
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Said Ouala
Direction : Ronan FabletAnanda Pascual Ascaso
Type : Thèse de doctorat
Discipline(s) : Signal, Image, Vision
Date : Soutenance le 17/03/2021
Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
Partenaire(s) de recherche : Laboratoire : Equipe Observations Signal & Environnement - Département Mathematical and Electrical Engineering - Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance
Jury : Président / Présidente : Étienne Mémin
Examinateurs / Examinatrices : Ronan Fablet, Ananda Pascual Ascaso, Themistoklis Sapsis, Jacques Verron
Rapporteurs / Rapporteuses : Nicolas Papadakis, Themistoklis Sapsis

Résumé

FR  |  
EN

Cette thèse se focalise sur l'identification de représentations dynamiques des couches de surface de l'océan pour des applications de prévision, de simulation et d'assimilation de données. Nousnous concentrons sur des considérations pratiques concernant les observations fournies et abordons de multiples questions, allant de la paramétrisation des modèles à leur mise en œuvre dans des schémas d'assimilation de données, en passant par leur intégration temporelle et la définition de l'espace dans lequel ces modèles peuvent évoluer.Le cœur de notre travail réside dans la proposition d'une nouvelle technique d'enchâssement pilotée par les données. Cette méthode optimise un espace augmenté, paramétré par une Équation Différentielle Ordinaire (EDO). Cette EDO peut être utilisée pour plusieurs applications telles que la prévision et l'assimilation de données. Nous discutons de l'efficacité de la méthode proposée dans le cadre de deux paramétrisations différentes de l'EDO. À savoir, une paramétrisation linéaire et linéaire-quadratique, nous montrons que ces deux formulations mènent à des applications pertinentes et, plus important encore, sont liées à plusieurs travaux théoriques qui aident à comprendre et à contraindre l'architecture proposée. En ce qui concerne les applications d'assimilation de données, nous explorons deux méthodologies distinctes. La première technique peut être considérée comme une alternative au filtrage de Kalman d'ensemble et la seconde se rapporte à la technique d'enchâssement proposée et peut être étendue à plusieurs travaux dans le cadre du filtrage séquentiel.