Menu principal

Segmentation spatiale pour la détection de contamination dans un réseau de distribution à large échelle

Mots clés :

Analyse de données, apprentissage statistique, segmentation du signal, détection séquentielle, simulations Monte-Carlo

 

Contexte industriel et problématique

Le projet de recherche ResiWater vise à développer des outils de manière à préparer les services d'eau (potable) pour la gestion de crises et de renforcer leur résilience. Veolia Eau d’Ile-de-France participe notamment à la spécification d’outils pour la surveillance de la qualité de l’eau distribuée. Quelques centaines de sondes sont actuellement réparties sur l’ensemble du réseau de distribution du Syndicat des Eaux d’Île-de-France (SEDIF). Ces capteurs mesurent en continu plusieurs paramètres liés à la qualité de l’eau potable. L’objectif est de détecter rapidement toute contamination en prenant en compte la multiplicité et la complexité des configurations hydrauliques en réseau. Une approche basée sur un réseau de capteurs a été récemment proposée dans ce sens [1]. Une autre méthodologie a été formulée pour extraire des périodes opérationnelles en réseau [2].

 

Objectif

Le stage consiste à proposer un nouvel algorithme pour la détection de contamination. La méthodologie proposée devra exploiter le caractère spatialement réparti du réseau de capteurs et les changements opérationnels du réseau hydraulique. La première étape portera sur la simulation de nombreuses contaminations à partir de modèles hydrauliques existants. La suite du stage s’attachera à exploiter des matrices temporelles obtenues et modifier des détecteurs de contamination. Enfin, la performance de la méthode sera évaluée à partir de données réelles.
Un état de l’art des méthodes de détection sera établi tout au long du stage. L’étudiant devra avoir de solides bases en statistiques et informatique ainsi qu’une bonne connaissance des logiciels de calcul numérique tels que Matlab et/ou R. Une connaissance en modélisation hydraulique (Synergi Water) serait un plus.

[1] N. Oliker, Z. Ohar, and A. Ostfeld, Spatial event classification using simulated water quality data, Environmental Modelling & Software, vol. 77, pp. 71–80, 2016.

[2] R. Boutalbi, N. Cheifetz, A.-C. Sandraz, C. Féliers, and V. Heim. Segmenting multivariate time series of water flow: a prior tool for contamination warning systems. In International Conference on Embedded Systems in Telecommunications and Instrumentation, 2016.

 

Modalités du stage

Durée de 6 mois et rémunération de l’ordre de 1000€ /mois.
Veolia Eau d’Ile-de-France
Le Vermont, 28 Boulevard de Pesaro
92751 Nanterre
RER A - Nanterre-Préfecture

Contact
Nicolas Cheifetz - nicolas.cheifetz@veolia.com


Mots-clés
Analyse de données; apprentissage automatique; détection séquentielle; segmentation du signal; simulations Monte Carlo
Établissement
Veolia Eau d'Ile de France
92000 Nanterre  
Date de début souhaitée
01/03/2017
Langues obligatoires
Anglais; Français
Niveau
Bac +5
Durée
6 mois
Informations de contact

Veolia Eau d’Ile-de-France
Le Vermont, 28 Boulevard de Pesaro
92751 Nanterre
RER A - Nanterre-Préfecture

Nicolas Cheifetz - nicolas.cheifetz@veolia.com