Description de l'offre
Le stage portera sur le développement de méthodes d'assimilation de données [1] pour la reconstruction du flux de chaleur et la quantification d'incertitudes associée. Il s'appuiera sur un code 1D résolvant des équations aux dérivées partielles (chaleur/pyrolyse). Le stagiaire travaillera sur des méthodes d'inférence séquentielle ou assimilation de données, telles que le filtrage/lissage de Kalman d'Ensemble stochastique [2], largement utilisé en géoscience pour des problèmes de très grande dimension. Faisant suite à un premier stage en 2024, le stage se concentrera sur la problématique statistique du choix ou sélection de modèle de pyrolyse au vu des observations. Une approche bayésienne sera développée [3]. Une bonne part du stage sera dédiée au développement d'un outil numérique. L'approche sera évaluée sur des mesures synthétiques ainsi que sur des mesures réelles issues d'un moyen expérimental.
[1] V. Grudzien & M. Bocquet (2023). Applications of Data Assimilation and Inverse Problems in the Earth Science, Cambridge University Press.
[2] Evensen, G., & Van Leeuwen, P. J. (2000). An ensemble Kalman smoother for nonlinear dynamics. Monthly Weather Review, 128(6), 1852-1867.
[3] Christian P. Robert (2006). Le choix bayésien - Principes et pratique. Springer.Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes en situation de handicap, cet emploi est ouvert à tous et toutes. Participant à la protection nationale, une enquête administrative est réalisée pour tous les salariés du CEA afin d'assurer l'intégrité et la sécurité de la nation.
Profil du candidat
probabilités, statistiques, filtrage bayésien, calcul scientifique
matlab, python
Bac+5
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.