Contexte
Pour les modèles de propagation de vagues et des interactions vague-structure, une observation précise du champ 3D de vagues et de leurs impacts sur des structures doit être réalisée. Il est notamment important de prendre en compte les effets des vagues déferlantes. Dans ce contexte, une thèse au sein du LHSV (S. Mohanlal, 2020-2023) visait à répondre à ce besoin avec des développements numériques de modélisation de la propagation de vagues déferlantes en trois dimensions, et la validation du modèle numérique avec des données. Des travaux préliminaires de validation du modèle ont été réalisés avec des données existantes des essais expérimentaux des vagues déferlantes glissantes et plongeantes sur une barre submergée et une bosse elliptique. Dans le cadre d’une thèse en cours, les travaux sur le développement du modèle numérique et sa validation avec des essais se poursuivent.
Sujet
En lien avec ses travaux, il est nécessaire de valider le modèle de déferlement implémenté avec des données de statistiques, de distribution spatiale et de durée de déferlement. L’objectif de ce stage est donc de générer une base de données pour répondre à ce besoin. Les travaux seront focalisés sur l’identification des zones spatiales de déferlement (sur le plan horizontal) par la mousse générée par le déferlement via l’amélioration ou le développement d’une approche de traitement des images efficaces. Pour commencer, ces travaux seront basés sur une approche de traitement d’image par seuillage proposé à la fin d’un stage en 2022 afin de l’évaluer, de l’améliorer et la valider et/ou de tester une nouvelle approche plus complexe par intelligence artificielle (IA), ou “machine learning”. Lors du projet de recherche et de collaboration ANR-FEM DiMe (2017-2020), une approche a été développée pour analyser le déferlement de vagues en mer en utilisant un réseau de neurones artificiels. Cette approche pourra être adaptée pour des images prises lors des essais en laboratoire, ou d’autres approches d’analyse d’image disponibles en open source pourront être explorées (e.g. Co-Tracker, OpenCV, …). Le stage sera réalisé en lien avec la thèse en cours au LHSV, notamment concernant le choix et les tests des approches d’IA. En fonction de la date de début de stage, le/la stagiaire aura aussi la possibilité de participer à l’acquisition de données lors des essais expérimentaux. Pour le/la stagiaire, ce travail sera l’opportunité d’acquérir des connaissances et développer des capacités de simulation numérique, de traitement d’image et de méthodes d’IA.
Profil recherché : Étudiant.e (M2 ou BAC+5) en mécanique des fluides, informatique scientifique et/ou mathématiques intéressé.e par les aspects recherches
Expérience souhaitée dans un des domaines suivants : de l’hydrodynamique côtière, le traitement d’image, l’intelligence artificielle
Lieu du stage : Laboratoire d’Hydraulique Saint-Venant (Ecole des Ponts ParisTech, EDF RD), Chatou, France
Durée de stage : 4-6 mois
Pour postuler, merci d’envoyer votre CV et une lettre de motivation à
Marissa Yates, marissa.yates@enpc.fr
Jeffrey Harris, jeffrey.harris@enpc.fr