Théorie et pratique des statistiques multipoints avec Isatis.neo | Formation

Ce cours vous initie aux statistiques multipoints (MPS), une méthode de simulation puissante permettant de modéliser des variabilités spatiales complexes à partir d’images d’entraînement. Développé en collaboration avec l’Université de Neuchâtel, il combine bases théoriques et mise en pratique avec Isatis.neo et son moteur intégré, DeeSse. Vous apprendrez à sélectionner des images d’entraînement adaptées, à préparer vos données et à générer des modèles du sous-sol réalistes, qu’ils soient catégoriels ou continus. Idéale pour des applications en exploitation minière, en hydrogéologie, en télédétection ou en modélisation de réservoirs, la méthode MPS vous permettra d’évaluer l’incertitude et de représenter des structures contrôlées par la morphologie géologique, telles que la perméabilité en chenaux ou la teneur en minerai dans des dépôts filoniens.

JOUR 1

MATIN

• Introduction générale
  – Présentation de l’approche géostatistique
  – Le concept sous-jacent aux données d’apprentissage et à l’image d’apprentissage
  – Principe général et introduction à l’algorithme d’échantillonnage direct
• Exercices de laboratoire
  – Les fondamentaux d’Isatis.neo
  – Une première application simple de DeeSse pour un cas stationnaire catégoriel et continu

APRES-MIDI

• Des simulations stationnaires aux simulations non-stationnaires
  – Compréhension des paramètres de DeeSse
  – Besoin d’une image d’apprentissage : comment l’obtenir et quelles doivent être ses propriétés
  – Traitement de la non-stationnarité dans la grille de simulation
  – Les simulations multivariables
• Exercices de laboratoire
  – Un cas pratique simple : le delta de l’Areuse
  – Comment générer une image d’apprentissage et une tendance d’orientation pour contrôler les simulations
  – Simulation conjointe de deux variables

JOUR 2

MATIN

• Application des MPS avec données réelles
  – Comment traiter la non-stationnarité avec des données analogiques
  – Discussions autour d’exemples, sur l’utilisation d’attributs secondaires : données climatiques, mine de bauxite en Australie, topographie du substratum rocheux et géophysique
  – Simulation de séries temporelles avec la technique d’échantillonnage direct
• Exercices de laboratoire
  – Une étude de cas pratique en 2D utilisant des variables secondaires : l’aquifère de Herten (dépôt fluvioglaciaire)
  – Comblement des lacunes dans les images satellitaires par des techniques multivariables et multi-temporelles

APRES-MIDI

• Modélisation avec des images d’apprentissage élémentaires
  – Images d’apprentissage élémentaires et invariancess
  – Exemple d’application pour un site minier en Afrique du Sud
  – Simulations multi-échelles basée sur les pyramides gaussiennes
• Exercices de laboratoire
  – Exemples simples avec des images d’apprentissage et des invariances élémentaires
  – Exploration des pyramides
  – Un premier exemple avec un modèle de faciès fluvioglaciaire en 2D (l’aquifère de Herten)

JOUR 3

MATIN

• Exercices de laboratoire : modélisation d’un dépôt fluvioglaciaire
  – Construction d’images d’apprentissage élémentaires
  – Initiation à la programmation Python pour l’automatisation des tâches
  – Construction du modèle stratigraphique
  – Modélisation de l’aquifère fluvioglaciaire à partir des données de forage

APRES-MIDI

• Un aperçu des méthodes avancées
  – Validation croisée
  – Simulations multi-échelles sur des grilles non structurées
  – Inégalités et conditionnement par bloc
  – Conditionnement de la connectivité

• Apprentissage équilibré : le cours allie théorie et mise en pratique pour une compréhension claire et une application concrète des concepts.
• Exercices sur logiciel : mettez en pratique vos connaissances avec des exercices utilisant des données réelles sur Isatis.neo.
• Accompagnement personnalisé : bénéficiez de conseils et de retours individuels de formateurs expérimentés tout au long des sessions en ligne.
• Ressources complètes : accédez à une documentation détaillée, à des fichiers journaux et à des jeux de données pour consolider vos acquis et faciliter la mise en œuvre après la formation.

Ce cours s’adresse aux professionnels et aux chercheurs impliqués dans la modélisation spatiale qui souhaitent renforcer leur capacité à simuler des structures géologiques complexes et des distributions de faciès à l’aide des statistiques à points multiples (MPS). Il est particulièrement pertinent pour :

• Les géologues et modélisateurs géologiques
  Travaillant en exploitation minière, en pétrole et gaz ou en hydrogéologie, et cherchant à représenter des motifs géologiques complexes – tels que chenaux, fractures ou architectures stratigraphiques – difficiles à modéliser avec des approches traditionnelles basées sur les variogrammes.
• Les ingénieurs de réservoir
  Souhaitant construire des modèles de faciès ou de propriétés plus réalistes pour améliorer la caractérisation des réservoirs et les simulations d’écoulement.
• Les professionnels de l’environnement et de l’hydrogéologie
  Ayant besoin de simuler les hétérogénéités des systèmes aquifères avec un haut niveau de réalisme géologique.
• Les géostatisticiens et data scientists
  Désireux d’approfondir leur maîtrise de la méthode MPS et d’appliquer des techniques avancées de simulation fondées sur des images d’entraînement et des analogues géologiques de haute résolution.
• Les consultants et conseillers techniques
  Accompagnant des projets de modélisation souterraine et souhaitant rester à la pointe des méthodes innovantes en géostatistique.
• Les chercheurs et universitaires
  Engagés dans l’analyse de données spatiales, la simulation stochastique ou la modélisation géoscientifique, souhaitant explorer les MPS dans des workflows opérationnels.

Aucun.
Une connaissance théorique des approches géostatistiques est un plus.