Résumé
L’objectif de mon travail était de démontrer comment les méthodes d’apprentissage statistique peuvent contribuer à l’amélioration des outils d’évaluation des risques côtiers et au développement d’un système d’alerte précoce visant à réduire le risque d’inondation côtière. J’ai travaillé sur 4 sujets :
- Regroupement des régimes météorologiques
- Méthode d’apprentissage automatique pour corriger les prévisions de vagues
- Apprentissage profond pour créer une base de données d’impacts de vagues à partir d’images de surveillance
- Réseau bayésien pour améliorer la prise de décision en matière de risques côtiers
Productions
- Ma thèse de doctorat :
- Présentation :
- Deux articles publiés dans des revues à comité de lecture :
- Callens, A., Morichon, D., Liria, P., Epelde, I., & Liquet, B. (2021). Automatic Creation of Storm Impact Database Based on Video Monitoring and Convolutional Neural Networks. Remote Sensing, 13(10), 1933, (10.3390/rs13101933).
- Callens, A., Morichon, D., Abadie, S., Delpey, M., Liquet, B. (2020). Using Random forest and Gradient boosting trees to improve wave forecast at a specific location. Applied Ocean Research, 104, (10.1016/j.apor.2020.102339).
- Callens, A., Morichon, D., Liria, P., Epelde, I., & Liquet, B. (2021). Automatic Creation of Storm Impact Database Based on Video Monitoring and Convolutional Neural Networks. Remote Sensing, 13(10), 1933, (10.3390/rs13101933).
- Article de blog :