
Présentation
Les glissements de terrain sont des mouvements gravitaires qui peuvent être déclenchés par facteurs de déclenchement tels que les activités sismiques et des événements climatiques (précipitation, tempête, …). Dans le but d’améliorer les systèmes de prévention des glissements de terrain dans le temps, mes travaux de thèse visent à identifier les facteurs hydrogéologique et météorologique précurseurs aux phases d’instabilité. Pour cela, je construis un modèle de prévision des vitesses de déplacement dans le temps à partir de modèles de machine learning (Random Forest, XGBoost) qui permettent de hiérarchiser les facteurs les plus utilisées dans la prévision en utilisant dans un premier temps les données issues du glissement de Séchilienne.
Thèse de doctorat : Détection des éléments précurseurs au déclenchement d’instabilités gravitaires : Chronique multi-paramètres, intelligence artificielle et modélisation
Domaines de recherche
Compétences
Publications
Publications
Forecasting landslide motion with EXplainable Machine Learning models: the use case of Séchilienne landslide (French Alps) to identify the relevant predicting variablesEuropean Geolosciences Union, Apr 2024, Viennes, Austria. ⟨10.5194/egusphere-egu24-16825⟩
Communication dans un congrès
hal-04976803
v1
|
|
|
Forecasting landslide motion with machine learning models: the use case of Séchilienne landslide (French Alps) to identify the relevant predicting variablesXIVth International Symposium on Landslides, Jul 2024, Chambéry (France), France
Communication dans un congrès
hal-04938136
v1
|
|
HYDROGEOLOGICAL SIMULATIONS OF A DEEP-SEATED LANDSLIDE: IMPLICATIONS FOR HAZARD MITIGATIONXIVth International Symposium on Landslides, Jul 2024, Chambéry (France), France
Communication dans un congrès
hal-04938130
v1
|
Hydrogeological forecasting of deep-seated landslides dynamics: structure and sensitivity of tank modelsLandslides, 2025, ⟨10.1007/s10346-025-02482-2⟩
Article dans une revue
hal-04976057
v1
|