Towards Dynamic Modelling, Prediction and Monitoring of Large Scale Systems : Application on Biological Systems and Water Quality in River Systems

Vers la modélisation dynamique, la prédiction et la surveillance d'un système de systèmes à grande échelle : application aux systèmes de systèmes biologiques et à la qualité de l'eau dans les rivières À notre époque de progrès technologique et de systèmes interconnectés, la complexité de la surveillance et du contrôle des systèmes dynamiques à grande échelle est devenue de plus en plus critique. Ces systèmes, caractérisés par leurs interactions étendues et leurs nombreux composants, couvrent divers domaines tels que la surveillance environnementale, les processus industriels et les systèmes biologiques. Malgré leur importance, la gestion de ces systèmes reste difficile en raison des dynamiques complexes et des impacts externes qu'ils rencontrent.Cette recherche se concentre sur le développement de méthodologies avancées pour la modélisation dynamique, la prédiction et l'optimisation des systèmes à grande échelle. L'approche proposée utilise des hypergraphes et une analyse historique basée sur les données pour représenter avec précision les interactions complexes au sein des Systèmes de Systèmes (SdS). En tirant parti de ces structures d'hypergraphes, nous améliorons les capacités prédictives des modèles en utilisant des techniques basées sur l'IA, permettant des prévisions précises des comportements futurs du système.Pour valider l'efficacité des modèles proposés, cette recherche les applique dans deux domaines importants. Premièrement, dans un système biologique de systèmes, où l'optimisation des performances du système dans des conditions environnementales variables est cruciale. Deuxièmement, dans la surveillance de la qualité de l'eau par le biais d'un réseau de stations fluviales de mesure, fournissant une quantité large de données pour l'évaluation et la gestion environnementales.De plus, l'optimisation à l'aide de modèles prédictifs est démontrée, mettant en évidence la capacité à améliorer l'efficacité et la fiabilité du système de système. Les modèles développés non seulement répondent aux défis des interactions dynamiques, mais offrent également des solutions pratiques pour des applications réelles.