Skip to Main content Skip to Navigation
Conference papers

Suivez le guide! Optimiser un modèle complexe suppose une bonne démarche et de bons outils

Stéphanie Mahévas 1 Victor Picheny 2 Patrick Lambert 3 Dumoulin Nicolas 3 Lauriane Rouan 4 Jean-Christophe Soulié 5 Hilaire Drouineau 1 Rodolphe Le Riche 6, 7, 8, 9, 10 Robert Faivre 11 Sigrid Lehuta 1 D. Brockoff
1 IFREMER EMH - Écologie et Modèles pour l'Halieutique
2 INRA - Institut National de la Recherche Agronomique
3 IRSTEA - Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture
4 UMR AGAP - Amélioration génétique et adaptation des plantes méditerranéennes et tropicales
5 UPR Recyclage et risque - Recyclage et risque
6 FAYOL-ENSMSE - Département Génie mathématique et industriel
7 LIMOS - Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes
8 Mines Saint-Étienne MSE - École des Mines de Saint-Étienne
9 FAYOL-ENSMSE - Institut Henri Fayol
10 CNRS - Centre National de la Recherche Scientifique
11 UBIA - Unité de Biométrie et Intelligence Artificielle
Résumé : Face aux enjeux de compréhension des écosystèmes marins et de gestion des usages marins, les modèles complexes se révèlent des outils pertinents pour tester les modifications induites par le changement global, anticiper des évolutions des socioécosystèmes marins et aider à la sélection de stratégies de gestion. Construire un modèle numérique et faire des simulations est une chose, mesurer la confiance des sorties du modèle en est une autre. Une étape indispensable dans l’usage des modèles numériques est la confrontation des sorties du modèle aux observations du système modélisé pour caler le modèle. La sélection de stratégies de gestion et la calibration sont deux finalités de l’optimisation. Les problèmes d’optimisation en modélisation halieutique sont le plus souvent complexes avec des caractéristiques mathématiques diverses. La fonction à optimiser peut être déterministe ou stochastique, avec ou sans contraintes, à une ou plusieurs dimensions. Le nombre de paramètres à optimiser peut varier de l’unité à plusieurs centaines et le coût informatique peut induire de fortes restrictions sur le nombre de simulations réalisables avec le modèle, d’une centaine à quelques milliers pour les moins coûteux. Aucun guide pratique n’est disponible dans la littérature pour mettre en oeuvre une optimisation rigoureuse avec un modèle complexe. Nous proposons ici une démarche d’optimisation articulée en 3 étapes (prétraitement, choix de l’algorithme et posttraitement), basée des outils et méthodes existants et dont la réalisation peut être non linéaire. Ce guide inspiré d’une analyse des expériences d’un groupe de modélisateurs ouvre des pistes de recherche pour pallier aux difficultés, aux autocensures et frustrations des modélisateurs.
Document type :
Conference papers
Complete list of metadata
https://hal-emse.ccsd.cnrs.fr/emse-01571118
Contributor : Florent Breuil <>
Submitted on : Tuesday, August 1, 2017 - 3:42:15 PM
Last modification on : Monday, May 10, 2021 - 10:52:06 AM

Identifiers

  • HAL Id : emse-01571118, version 1

Collections

EMSE | DEMO-ENSMSE | FAYOL-ENSMSE | CNRS | IRSTEA | INRA | INSTITUT-TELECOM | TDS-MACS | AGROPOLIS | CIRAD | PRES_CLERMONT | LIMOS | MONTPELLIER-SUPAGRO | INRAE | INRAEOCCITANIEMONTPELLIER | AGAP

Citation

Stéphanie Mahévas, Victor Picheny, Patrick Lambert, Dumoulin Nicolas, Lauriane Rouan, et al.. Suivez le guide! Optimiser un modèle complexe suppose une bonne démarche et de bons outils. Colloque Pêches et Changements Globaux 2017, IFREMER, Jun 2017, Nantes, France. ⟨emse-01571118⟩

Export

BibTeX TEI DC DCterms EndNote

Share

Metrics

Record views

687