Doctorant·e en Géodésie - Modélisation de Séries Temporelles par Apprentissage Automatique H/F - Institut national de l'information géographique et forestière (IGN)

Le centre de compétences géodésie et métrologie dimensionnelle (CC GMD) est chargé du pilotage des activité de géodésie et topométrie de Géodata Paris. Les agents du CC GMD réalisent leurs activités d'enseignement à Géodata Paris située à Champs Sur Marne et effectuent leurs activités de recherche au sein de l'Unité Mixte de Recherche (UMR) IPGP sur le campus des Grand Moulins de l'Université Paris Cité à Paris. L'équipe de recherche « géodésie » mène des recherches sur l'amélioration des référentiels géodésiques (géométrique et gravimétrique), sur la modélisation des déformations du sol et l'interprétation géophysique et climatique des produits de la géodésie.

L'objectif principal de cette thèse est de développer une approche automatique innovante pour la modélisation de séries temporelles géodésiques, avec l'ambition d'approcher, voire de dépasser, les performances d'un opérateur humain. Les séries géodésiques ciblées dans cette thèse seront les séries de positions de stations GNSS. Cependant, l'objectif à plus long terme est de disposer d'une méthodologie adaptable à d'autres types de séries temporelles (séries de déplacements InSAR, de variations de gravité GRACE(-FO), ou de variables climatiques).

Les modèles basés sur l'apprentissage automatique reposent fortement sur les données d'entraînement et d'évaluation. Or, en matière de séries GNSS, les jeux de données labelisés existants sont limités en taille (à quelques milliers de stations) et par la précision humaine (les discontinuités les plus petites ne sont pas forcément détectées). Pour surmonter ces problèmes, nous développons actuellement un simulateur de séries de positions de stations GNSS synthétiques réalistes. Ce générateur bénéficie de progrès récents en matière de modélisation de séries GNSS par l'équipe de géodésie de l'IGN et de l'IPGP. Sur la base de ce générateur de séries synthétiques réalistes, nous proposons un déroulement de thèse en trois étapes :

1. Evaluation d'approches de modélisation automatique existantes

2. Développement d'une nouvelle approche basée sur l'apprentissage automatique

3. Application de l'approche à des données réelles

Le candidat doit être titulaire d'un diplôme de master (ou équivalent) avec une formation en analyse de données, en statistiques et en programmation. Le candidat doit maîtriser le langage Python (ou langage proche) et le calcul scientifique. Une familiarité avec les géosciences, la géodésie et/ou l'intelligence artificielle constitue un atout. Le candidat doit également avoir un bon niveau d'anglais.