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

Les statistiques multipoints (MPS) sont une technique de simulation géostatistique basée sur des images d’apprentissage. Les MPS peuvent être utilisées dans de nombreux domaines tels que l’hydrogéologie, l’exploitation minière, la télédétection ou les réservoirs d’hydrocarbures. Elles trouvent leur origine dans la modélisation des faciès géologiques, mais peuvent potentiellement être utilisées dans n’importe quel domaine nécessitant la simulation de variabilité spatiale complexe, catégorielle ou continue.

L’objectif du cours, conçu en partenariat avec l’Université de Neuchâtel, est de vous familiariser avec les aspects fondamentaux de l’approche des statistiques multipoints et de vous donner une expérience pratique à travers une série d’exercices sur une variété d’études de cas.

À l’issue de la formations, vous serez en mesure de :

• sélectionner l’image d’apprentissage appropriée en fonction de votre connaissance de la zone d’étude et des résultats attendus,
• produire des modèles de sous-sol réalistes,
• préparer les données et mettre en œuvre les MPS dans Isatis.neo qui intègre DeeSse, le code MPS avancé de l’Université suisse de Neuchâtel.

• La moitié du cours est consacrée à des présentations théoriques et méthodologiques, la seconde moitié à des exercices pratiques sur des cas réels pour approfondir votre compréhension des concepts basés sur des données réelles (géologie, exploitation minière).
• L’accent est mis sur les illustrations et les apports pratiques des concepts abordés.
• Exercices sur ordinateur avec Isatis.neo Standard Edition.
• Support de cours fournis (documentation, fichiers batch, données, exemples) pour une réutilisation ultérieure.

Ce cours s’adresse à tous les scientifiques souhaitant se familiariser avec les statistiques multipoints : universitaires, ingénieurs agronomes, ingénieurs en qualité de l’air, climatologues, consultants et ingénieurs environnementaux, épidémiologistes, forestiers, géologues, géophysiciens, ingénieurs géotechniciens, hydrogéologues, hydrologues, spécialistes des ressources minières, ingénieurs de réservoir, pédologues, etc.

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

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