Thèse Méthodes Avancées pour l'Estimation en Temps Réel des Sources de Rejets Atmosphériques H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Mécaniques et Energétiques, Matériaux et Géosciences Laboratoire de recherche : LMEE - Laboratoire de mécanique et d'énergétique d'Evry Direction de la thèse : Grégory TURBELIN ORCID 0000000199293090 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-04-21T23:59:59 Ce projet de thèse vise à développer des méthodes d'inversion de données pour localiser en temps quasi réel l'origine de rejets atmosphériques dangereux (RBC). L'innovation majeure réside dans la capacité à traiter, dans un délai opérationnel, des mesures continues de concentration lorsque les conditions météorologiques varient. Les travaux s'appuieront sur l'expertise du laboratoire LMEE en résolution du problème inverse de l'estimation du terme source. L'objectif final est de fournir un outil d'aide à la décision pour protéger les populations contre les accidents industriels ou les actes malveillants. La surveillance des risques RBC est actuellement assurée par des réseaux de capteurs fixes et mobiles mesurant en continu les concentrations de substances dangereuses. Ces données permettent de déclencher des alertes et de localiser les sources d'émission à l'aide d'algorithmes de localisation de sources.
Les modèles de transport et de dispersion atmosphérique sont utilisés pour prévoir la propagation des contaminants et fournir des informations pour l'aide à la décision.
Bien que les algorithmes de localisation de sources aient atteint un bon niveau de maturité, peu d'entre eux traitent simultanément en temps réel les données et les variations météorologiques.
L'équipe CARE du LMEE développe des méthodes de traitement du signal pour l'identification de sources physiques, appliquées notamment à la localisation de polluants atmosphériques et à l'analyse de signaux électroencéphalographiques, avec des méthodes performantes en temps réel (comme le beamforming), mais sans prise en compte de conditions de diffusion variables. L'objectif principal de la thèse est de :
- proposer, adapter et mettre en oeuvre des méthodes d'inversion de données pour localiser en temps quasi réel l'origine d'un rejet RBC à partir de mesures continues de concentrations dans un contexte météorologique variable.

Cet objectif implique de traiter des problématiques de :
- traitement en temps réel des données,
- couplage avec des modèles de dispersion atmosphérique,
- exploitation de capteurs low-cost,
- utilisation de méthodes de Machine Learning,
- optimisation de l'analyse des données. La méthodologie proposée comprend :
- une étude de l'état de l'art des domaines concernés ;
- la proposition de méthodes et d'algorithmes pour estimer en temps réel les sources à partir de données issues de réseaux de capteurs fixes et mobiles, et la comparaison de différentes stratégies ;
- la conception et le développement d'une plateforme numérique intégrant ces approches ;
-l'évaluation de cette plateforme à partir de données réelles ou simulées et la formulation de recommandations d'utilisation.

Avoir un Master 2 ou équivalent en mécanique ou physique. Le candidat possédera une bonne maîtrise de la programmation (Python, Matlab,...), une connaissance des phénomènes de dispersion atmosphérique et des problèmes inverses. Une expérience dans le traitement des données, le temps réel et/ou la modélisation et le goût pour la recherche, le travail d'équipe et les échanges pluridisciplinaires seraient des atouts.
Par ailleurs, les critères de sélection du candidat sont très importants, nous citons par exemple :
- La qualité du candidat (résultats du Master ou équivalents, aptitudes du candidat à la recherche telles qu'elles peuvent s'évaluer à partir des périodes de stage ou mémoire de recherche, publications, et recommandations des encadrants pédagogiques),
- L'adéquation du profil du candidat à la réalisation du projet de thèse.