Structural geological modeling is aimed at finding a representation of geological units. This is a complex ill-posed problem, and the data may be sparse and of varying quality, leading to multiple geological models consistent with them. A generative adversarial network is trained to generate two-dimensional unconditional geomodels that are plausible. Then a Metropolis-adjusted Langevin algorithm is used to produce geomodels consistent with field data.
Géostatistique, événements extrêmes et Machine Learning pour la transition climatique
Un projet au cœur de deux transitions
Une transition numérique
Des données environnementales, massives et hétérogènes, rendant nécessaire de nouvelles méthodes géostatistiques et de Machine Learning.
Une transition climatique
En réponse à des changements affectant l’air, l’eau, le sol et la biodiversité, sans précédent par leur amplitude, leur vitesse, et leur caractère simultané.
Les objectifs de la chaire en trois axes de recherche
Développer des méthodes et des outils efficaces pour traiter les données spatialisées et temporelles afin d’évaluer les impacts et quantifier les risques associés aux changements climatiques en cours.
Des méthodes prédictives
Développer des méthodes prédictives pour les phénomènes spatiaux et spatio-temporels, capables de traiter des jeux de données de grandes tailles.
Une boîte à outils
Développer des méthodes de simulation innovantes pour les événements extrêmes et l’évaluation des risques et les diffuser librement.
Des approches hybrides
Hybrider la capacité de la géostatistique à interpoler dans l’espace et le temps et celle du Machine Learning à extraire des liens et des connaissances.
Les publications
In order to estimate the return period of bivariate CEs, a novel non-parametric approach employing bivariate Generalized Pareto distributions (bi-GPD) is proposed and compared to a copula-based approach. Simulations reveal that this approach is effective in case of positive asymptotic dependence and should be avoided in case of asymptotic independence.
Événements
Deux présentations de la chaire Geolearning aux JDS 2025
Mike Pereira et Thomas Romary ont présenté leurs travaux lors des dernières Journées de Statistique, organisées par la SFDS.
Geolearning à l’honneur lors de la conférence Spatial Statistics
Les chercheurs de la chaire Geolearning seront mis à l’honneur lors de la prochaine conférence internationale Spatial Statistics qui se tiendra du 15 au 18 juillet 2025 aux Pays-Bas.