Hadrien Moncomble

Scientifique Des Données @ENGIE

Ville de Paris, FR

Ingénieur de recherche / Data Scientist Engie CRIGEN- Travail de R&D sur la réduction du risque de collision entre rapaces et éoliennes- Création et test d\'algorithmes IA supervisés pour la prédiction (forecast) du risque de collision- Utilisation des jeux de données suivants- Données de vol et position GPS de rapaces migrateurs (milans royaux) issus d\'un précédent travail de R&D. Chaque rapace est représenté par une série temporelle multivariée- Données météo réanalysées ERA5 (vent, température, pression, précipitation) sous forme de grilles latitude, longitude (fichiers.grib ou.netcdf)- Emplacement et spécifications des sites éoliens (diamètres et hauteurs de mats de éoliennes)- Données d\'élévation de terrainProblématique principale de modélisation: Les séries temporelles représentant chaque rapace sont irrégulièrement échantillonnées (delta t variable entre chaque position) et pas aux mêmes moments.Test de trois approches pour la résolution du problème- Approche statique - Modélisation tabulaire avec hypothèse d\'indépendance temporelle des échantillons - Entrainement d\'un modèle XGboost pour la classification des positions \"à risque\"/\"pas à risque\" de collision- 1e approche dynamique: Time-series forecasting multivarié et multi séries (1D)- Modélisation en séries temporelles multivariées - Entrainement d\'un encodeur LSTM en classification - Entrainement d\'un modèle \"Neural ODE\" pour la prise en compte native de la variabilité d\'échantillonage- 2e approche dynamique: Time-series forecasting géospatial 3D (latitude, longitude et temps)- Modélisation en une seule série temporelle d\'images représentant la répartition géospatiale de la variable cible \"à risque\"/\"pas à risque\" heure par heure - Entrainement d\'un modèle hybride ConvLSTM + Unet pour la prédiction spatiale et temporelle du nombre de positions à risque - Production de cartes de risque de collision utilisables par les exploitants éoliens