17:52 UMR CNRS 6134 Doctorat JB Filippi Environnement logiciel de modélisation de systèmes naturels complexes utilisant la modélisation orientée objet,

Présentation au sujet: "17:52 UMR CNRS 6134 Doctorat JB Filippi Environnement logiciel de modélisation de systèmes naturels complexes utilisant la modélisation orientée objet,"— Transcription de la présentation:

1 17:52 UMR CNRS 6134 Doctorat JB Filippi Environnement logiciel de modélisation de systèmes naturels complexes utilisant la modélisation orientée objet, les réseaux de neurones et les SIG Jean-Baptiste Filippi Laboratoire SPE Université de Corse UMR CNRS 6134

2 17:52 UMR CNRS 6134 Problématique objectif poursuivi Création d’un environnement basé sur : MSOO : une approche orientée objet, qui permet représenter le comportement d’un système que l’on peut décrire à partir d’équations RdN : permettant de traiter des systèmes (ou des parties du système) que l’on connaît mal SIG : pour gérer efficacement les données nécessaires à l’étude des systèmes naturels XML et Corba : pour stocker et accéder à distance à des bibliothèques de modèles

3 17:52 UMR CNRS 6134 Problématique objectif poursuivi Développement des méthodes et des interfaces pour un GIS actif permettant : La combinaison de couches « comportementales », provenant de la simulation de modèles, et de couches « données » existantes ou provenant de capteurs. Les couches « comportementales » constituent le principal développement de la thèse. Par analogie aux GIS, trois types de modèles ont étés identifiés, les méthodes correspondantes doivent être développées : Série -> Modèles statiques (diagrammes) Raster -> Modèles cellulaires Cartes polygones -> Modèles vectoriels Les techniques de modélisation du phénomène doivent se rapprocher le plus possible des méthodes utilisées par la plupart des modèles existant, soit : Réseaux de neurones Modélisation orienté objets

4 17:52 UMR CNRS 6134 Problèmatique Méthode Besoins identifiés : Récupération de données environnementales Développement collaboratif Simulation haute performance Visualisation Interactive Modélisation par apprentissage dirigé Travail en espace vectoriel

5 17:52 UMR CNRS 6134 Environnement JDEVS JDEVS est composé de 5 modules indépendants : Environnement de modélisation et de simulation Gestion des librairies et des bibliothèques réparties Interface graphique Simulation cellulaire Connexion aux SIG L’objectif est d’intégrer les différentes couches des SIG dans l’environnement Création d’une bibliothèque d’éléments pour l’étude des systèmes naturels

6 17:52 UMR CNRS 6134 Environnement JDEVS

7 17:52 UMR CNRS 6134 Environnement JDEVS Acquisition GPS Satellite Observation Simulation MSOO Data Fusion GIS SIG, Simulation, Fusion de données

8 17:52 UMR CNRS 6134 Problèmatique Neuro Devs RDN sérialisé Récupéré grâce à l’interface IDL définie

9 17:52 UMR CNRS 6134 Problèmatique Neuro Devs Models Adaptatifs Sous composants Ann Simulation Concurrente

10 17:52 UMR CNRS 6134 Environnement Présentation du logiciel Package java Interface graphique simple Utilisation du Glisser/déposer Sauvegarde en XML et Classe JAVA Plate-forme Indépendante

11 17:52 UMR CNRS 6134 Environnement Présentation du logiciel Spécialiste Modelisateur 1 Modelisateur 2 Chef modélisateur Fédère le modèle Final a partir de composants réutilisables Physicien Mathématicien Économiste ….

12 17:52 UMR CNRS 6134 Environnement Accès aux SIG Simulation cellulaire charge les données d’initialisation à partir des cartes exportées des SIG Les résultats de la simulation permettent de mettre à jour la base de données des SIG

13 17:52 UMR CNRS 6134 Applications Contrôle : Système PV Dimensionnement, prévision et contrôle des systèmes énergétiques à sources renouvelables La source de production est une “boite noire” interchangeable batterie Production

14 17:52 UMR CNRS 6134 Applications Contrôle : Système solaire

15 17:52 UMR CNRS 6134 Applications Contrôle : Système solaire Économie Modèle intégrant des «composants » de calculs de coûts Résultats stockés dans une BD Génération de fiche de résultats web avec ces résultats Système expert de dimensionnement de système PV

16 17:52 UMR CNRS 6134 Applications Distribués spatialement : cellulaire Ce type d’éléments peut être utilisé pour traiter des problèmes tels que : La résolution de problèmes d’océanographie Bassins versants La prévision et le contrôle des risques environnementaux associés aux conditions météorologiques extrêmes Les modèles d’évacuation Un modèle cellulaire représente une zone géographique et donc, il est un SIG.

17 17:52 UMR CNRS 6134 Applications Distribués spatialement : cellulaire Les panneaux cellulaires de JDEVS permettent simulation interactive, Visualisation 2d/3d génération automatique du modèle de composition correspondant à une zone Couplage entrée/sortie avec ArcView, Grass… Mode vectoriel et raster supporté grâce à la librairie java LGPL Geotools !

18 17:52 UMR CNRS 6134 Applications Distribués spatialement : cellulaire

19 17:52 UMR CNRS 6134 Applications Distribués spatialement : cellulaire Mouches des fruits Comportement défini par un ingénieur agronome Étude de propagation de la mouche en vue de lâcher de males stériles Utilisation du SIG pour identifier les cultures Simulation sur n'importe quelle zone

20 17:52 UMR CNRS 6134 Applications Prévision : Bassin Versant Objectifs Étude du débit d’une rivière à son exutoire Prévision des crues Utilisation D’ArcView

21 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones Utilisation de cartes vectorielles Phénomène à interface Changement de l’interface calculé uniquement lorsque nécessaire Réduit les calculs car l’espace n’est pas discret Évite les phénomènes d’escaliers des modèles cells Permets la simulation sur de plus grandes échelles Modelisation vectorielle

22 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones

23 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones

24 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones

25 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones Trois méthodes son nécessaire pour décrire le comportement d’un modèle pour un milieu M Vitesse/M Direction/M Decomposition/M

26 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones Derive de DSDEVS (dynamical structure DEVS) Modelling methode

27 17:52 UMR CNRS 6134 Travail en cours Modelisation par polygones Decomposition auto Pour minimiser l’erreur du à la representation par segments Decomposition Environnement Pour une collision avec un autre milieu Tnext [AB] = distance x speed [AB] A B x

28 17:52 UMR CNRS 6134 Conclusion Futur- fin 2002 Implémentation de la simulation par vecteurs, collaboration de travail recherchée pour méthode et modèles utilisant la technique. Couplage JDEVS-Vecteur Validation sur modèles physiques à interface Calcul de validité de la méthode Idéal : Prototypage d’un GIS actif dans lequel il pourrait être superposé thèmes comportementaux (modèles cellulaires ou vectoriels) et couches de données (sur lesquelles pourront évoluer les modèles)

29 17:52 UMR CNRS 6134 Conclusion Futur- fin 2003 Rédaction thèse Publication des résultats (articles en cours) Validation sur modèles (BV, Mouches photovoltaïque)

30 17:52 UMR CNRS 6134 Conclusion Publis Publications : As a first Author, in Conference proceedings. 1. Filippi, JB. Bisgambiglia, P. Delhom, M. 2001 "An hybrid methodology for the modeling and simulation of complex systems" In Proceedings of the ATW 2001 conference (CD-ROM). 2. Filippi, JB. Bisgambiglia, P. Delhom, M. 2001 "Neuro-DEVS, an hybrid methodology to describe complex systems" In Proceedings of the SCS ESS 2001 conference on simulation in industry, vol 1, p 646. 3. Filippi, JB. Chiari. F, Bisgambiglia, P. 2002 "Using JDEVS for the modeling and simulation of natural complex systems" In Proceedings of the SCS AIS 2002 conference on simulation in industry, vol 1, p 317. 4. Filippi, JB. Bernardi, F, Delhom, M. 2002 "The JDEVS environmental modeling and simulation environment" Accepted in the IEMSS 2002 conference on Integrated Assessment and Decision Support. As co-author : 5. F Chiari, M Delhom, J-B Filippi, J-F Santucci, “Prédiction du comportement hydrologique d'un bassin versant à l'aide de Réseaux de Neurones”, ESRI France SIG 2000 Conference, Paris.(CD- ROM). 6. F Chiari, M Delhom, J-B Filippi, J-F Santucci, “A GIS based methodology for the modeling and the simulation of watersheds“, in Proceedings of the ATW 2000 Conference (CD-ROM), Ajaccio. 7. F Chiari, M Delhom, J-B Filippi, J-F Santucci, “Prediction of the Hydrologic Behavior of a Watershed using Artificial Neural Networks and GIS“, Proceedings of the IEEE SMC 2000, Nashville, TN, October 08-11, 2000. 8. F.Bernardi, J.B Filippi, J-F, Santucci, “XML Object-Oriented Models Libraries with Web-Based Access Capacities”, ICSSEA 2001, Paris, France” In fully refereed journal : Levratto, N, Barthelemy, S, Filippi, J-B. “Typologie des PME par réseaux de neurones” (small companies classification using neural networks) Revue international des PME, 2002, accepted for publication.

31 17:52 UMR CNRS 6134 Problématique objectif poursuivi Contrats et collaboration Interreg : travail sur un environnement logiciel collaboratif de modélisation/simulation couplé au SIG. Medis : pollution des eaux, étude de Bassin versants Ministère des finances et de l’industrie, Utilisation de réseaux de neurones et de cartes auto organisatrices pour la notation d’entreprises