Analyse de données expérimentales de vagues déferlantes : identification et statistiques de déferlement

Présentation

Durée : 4-6 mois

Contexte :
L’impact de vagues, et notamment des vagues déferlantes, sur des structures et leurs effets sur la morphologie des côtes dans les zones d’atterrage des câbles est important pour l’évaluation des risques et le dimensionnement de structures en mer. La France vise la neutralité carbone à l’horizon 2050, et pour atteindre cet objectif, les éoliennes en mer seront la deuxième contribution le plus importante, avec 50 GW installés en 2050. Les éoliennes en mer ont un grand potentiel de production d’énergie, et ils sont actuellement la ressource d’énergie renouvelable en plus forte croissance (+19% entre 2010 et 2022). Afin d’optimiser le dimensionnement des structures et la planification des parcs d’éoliens, il est nécessaire d’avoir une bonne connaissance des conditions de vagues et de leurs impacts aux sites d’installation. Pour répondre à ce besoin, nous travaillons sur le développement des modèles de propagation de vagues et sur la réalisation des essais en bassin du fait de la difficulté d’obtenir des mesures de ce type en mer. La Figure 1 montre les 3 processus physiques étudiés avec la modélisation numérique et physique dans le cadre du projet 3DWaveBI (3D Wave Breaking Impacts) : (1) la propagation des vagues irrégulières sur une bathymétrie variable, (2) la caractérisation et les statistiques de vagues déferlantes et (3) leurs impacts sur des structures. Les observations en laboratoire permettront de valider les modèles numériques et d’améliorer la connaissance des efforts de vagues, incluant les vagues déferlantes, sur des structures.

 Sujet :
Ce stage vise a analyser des images prises avec une caméra de haute résolution de la surface libre lors des essais afin d’identifier les zones de déferlement par la présence de la mousse à la surface de l’eau. Lors d’un stage sur l’analyse des images en 2024, deux approches de traitement d’image ont étées implémentées (e.g. 
premièrement une segmentation dite "classique" basée sur plusieurs étapes de filtrage, seuillage et clustering des images (en haut), et deuxièmement une segmentation par application d’un réseau de neurones convolutifs, U-Net afin d’améliorer l’efficacité de l’analyse et de permettre de traite un grand nombre d’image (en bas). Les premiers résultats sont prometteurs, et l’objectif de ce stage est d’améliorer l’approche mise en place en réduisant les erreurs liées à l’identification des réflexions de lumière comme mousse dans les masques. Ensuite, l’entrainement du modèle U-Net sera étendu afin de réduire les incertitudes et d’améliorer sa performance. Ensuite, cette approche sera appliquée pour analyses des essais afin d’estimer les statistiques de vagues déferlantes sur une bathymétrie variable pour une gamme de différentes conditions de vagues (en variant la hauteur, période et direction des vagues ainsi que la profondeur d’eau). 

Le stage sera réalisé en parallèle avec une thèse en cours au LHSV sur la modélisation numérique de la propagation et du déferlement de vagues. Pour le/la stagiaire, ce travail sera l’opportunité d’acquérir des connaissances et développer des capacités de simulation numérique, de traitement d’image et de méthodes d’IA
(intelligence artificielle).

Profil recherché : Étudiant.e (M2 ou BAC+5) en mécanique des fluides, informatique scientifique et/ou mathématiques intéressé.e par les aspects recherches

** stage de cesure à partir de septembre / octobre **

Expérience souhaitée dans un des domaines suivants : l’hydrodynamique côtière, le traitement d’image, l’intelligence artificielle

Lieu du stage : Laboratoire d’Hydraulique Saint-Venant (École des ponts et chaussées, EDF R&D), Chatou, France