Interreg III Volet A - Partie NTIC Thème Correspondants : CRS4 : Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna Pisa Ricerca : Dipartimento di Ingegneria dell’Informazione - Università di Pisa DBSSFG : Dipartimento di Biologia Sperimentale Sezione Fisiologia Generale - Università di Cagliari ONF : Office Nationale des Forêts de la Corse Approche Orientée Objet appliquée à la modélisation de systèmes naturels complexes et à l’étude de phénomènes environnementaux

Problèmatique 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 ORB : pour stocker et accéder à distance à des bibliothèques de modèles

Problèmatique objectif poursuivi Analyse des risques environnementaux Propagation des feux de forêts Prévision des processus hydrologiques Analyse des processus d’érosion côtière Analyse des dégazages accidentels d’hydrocarbures Modèles d’évacuation Prévision contrôle et dimensionnement des systèmes énergétiques à sources renouvelables Bioacoustique des cétacés en interaction avec les moyens de pêches

Problèmatique méthode Principes : Décomposition du système réel en modèles élémentaires interconnectés Représentation des modèles à partir des techniques objets Utilisation des réseaux de neuronnes Connection à des Systèmes d’Informations Géographiques Modélisation Orientée Objet de systèmes naturels complexes

Problèmatique méthode Principes : Génération automatique des simulateurs associés aux modèles Utilisation de la POO et de la simulation à événements discrets Simulation des modèles créés

Problèmatique Intérêt de l’approche L’approche hybride proposée Offre un environnement pour la modélisation Définie une démarche simple et évolutive (UML) de modélisation Permet de manipuler des systèmes partiellement connus Crée des modèles adaptatifs (notion d’apprentissage) Gère efficacement les données des écosystèmes (SIG) Assure une séparation de compétences entre l’utilisateur final et le spécialiste du domaine (bibliothèque répartie) Permet à un utilisateur de résoudre efficacement un problème via la manipulation des modèles

Problèmatique Intérêt de l’approche Un logiciel de simulation fondé sur ces concepts permet en particulier De traiter indépendamment la partie modélisation de la partie simulation D’intégrer facilement les différents modifications nécessaires à la mise au point du modèle De générer automatiquement les algorithmes de simulation De pouvoir traiter un même système suivant différents points de vues (ou approches) De combiner différentes approches (ou points de vues) dans un même modèle

Basée sur le formalisme DEVS Théorie MSOO Basée sur le formalisme DEVS Permet de décrire un système complexe de manière modulaire et hiérarchique MSOO combine l’approche DEVS avec : Les notions de hiérarchies (temporelle et spatiale) Les niveaux d’abstraction Différentes vues du système DEVS et composé de Modèles atomiques Modèles couplés D’interconnexions De ports de communication

Théorie Réseaux de Neurones Les RdN permettent de modéliser des systèmes à partir d’une base de connaissance (apprentissage) Après cette période d’apprentissage un RdN peut simuler le comportement du système Ainsi si une partie du système est trop complexe il est possible d’utiliser un RdN si la base d’exemples est disponible

Théorie Réseaux de Neurones Couplage entre un RdN et l’approche MSOO Un réseau de neurone est considéré et stocké comme une modèle atomique Un réseau de neurone complète la définition de ces modèles grâce à trois fonctions spécifiques 1 : activate() 2 : propagate() 3 : learn()

Théorie Systèmes d’informations géographique Un SIG stocke les informations sous la forme de couches thématiques pouvant être reliées les unes aux autres par la géographie Les références géographiques permettent de localiser les objets et les événements sur la Terre et de les analyser A ces données géo-référencées sont attachées des données tabulaires, attributaires ou descriptives L’administrateur SIG définit des méthodes de traitement appropriées destinées à faciliter l’exploitation des données pour réponse aux besoins des utilisateurs

Théorie SIG, Simulation, Fusion de données Satellite Acquisition GPS Observation Data Fusion GIS Simulation MSOO

Théorie Bibliothèques réparties Chaque modèle est défini dans un objet au format XML Les modèles sont construit par un spécialiste du domaine Ces modèles sont à la disposition du constructeur d’application L’utilisateur final peut utiliser ces bibliothèques à partir d’un serveur d’application (Tomcat.)

Environnement Présentation du logiciel Description du kit de développement JDEVS Implémenté en Java Exécutable sur différentes plate-formes Facilement connectable à des “Objects Brokers” Utilisation des “Threads” Possibilité de simuler le modèle sur des ordinateurs en réseaux Lenteur à l’exécution

Environnement Travail Collaboratif Physicien Mathématicien Modelisateur 2 Modelisateur 1 Chef modelisateur Fédère le modèle Final a partir de composants réutilisables

Environnement Présentation du logiciel Package java Interface graphique simple Utilisation du Glisser/déposer Sauvegarde en XML et Classe JAVA Plate-forme Indépendant

Environnement Accès aux SIG Simulation céllulaire 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

Site : http://spe.univ-corse.fr/filippiweb/ Environnement JDEVS JDEVS est composé de 5 modules indépendants : Environnement (Bisgambiglia, Filippi) Gestion des librairies (Bernardi) Interface graphique (Filippi)  Simulation céllulaire (Filippi) Connection aux SIG (Chiari) Site : http://spe.univ-corse.fr/filippiweb/ L’objetif est d’intégrer les différentes couches thématiques des SIG dans notre l’environnement Création d’une bibliothèque d’éléments (“package” de modèles) pour l’étude des systèmes naturels

Applications RdN : Système PV Dimensionnement, prévision et contrôle des systèmes énergétiques à sources renouvelables La source de production est une “boite noire” interchangeble Production batterie

Applications RdN : Système PV

Applications Système PV, Economie Modèle intégrant des «composants » de calculs de coûts Résultats de simulation stockés dans une Base de donnée Génération de fiche de résultats web a partir des bases de donnés résultats de simulation Système expert de dimensionnement de système PV

Applications Cellulaire : propagation Ce type d’éléments peut être utilisé pour traiter des problèmes tels que : La propagation des feux de forêt La résolution de problèmes d’océanographie La prévision et le contrôle des risques environnementaux associés aux conditions météorologiques extrêmes Les modèles d’évacuation Une cellulaire peut représenter une zone géographique et donc être connectée à un SIG

Applications Cellulaire : Propagation

Applications SIG : Bassin Versant

Applications Identification Création d’un base de connaissance Enregistrement des signaux sonores Recherche des caractéristiques spectrales et temporelles des signaux Identification systématisée Base de connaissance Échantillonnage des sons Identification

Conclusion Ce projet regroupe une grande partie des chercheurs de l’UMR CNRS 6134 de Corse Equipe modélisation informatique (1,5 chercheurs/mois) Feux de fôret (1 chercheur/mois) Fluides structures (2 chercheurs/mois)  Ondes et Accoustique (2,5 chercheurs/mois) Systèmes à sources renouvelables d’énergie (0,5 chercheur/mois) Quatre sujets de thèse sont directement liés à ce projet Phase de validation de l’architecture et de construction des bibliothèques de modèle