Assimilation de données pour la prédiction d’évènements de pollutions dans des conditions environnementales réalistes

Le contrôle des gaz à effet de serre (GES) et des émissions industrielles, comme le méthane (CH₄) et l’hydrogène (H₂), est essentiel pour améliorer la sécurité, préserver la qualité de l’air et lutter contre le changement climatique. Pourtant, la modélisation de la dispersion des polluants dans des environnements complexes, tels que les sites industriels, reste difficile en raison de la variabilité des conditions de vent et de la présence d’obstacles.
Cette thèse propose de développer des outils innovants combinant des simulations numériques haute-fidélité, réalisées avec un code CFD basé sur la méthode de Boltzmann sur réseau (LBM), et des techniques avancées d’assimilation de données, en particulier le filtre de Kalman d’ensemble (EnKF). L’intégration de capteurs fixes et mobiles permettra de concevoir des méthodes pour améliorer les modèles de turbulence, réduire les incertitudes et fournir des prévisions fiables en temps réel. L’objectif est clair : mieux contrôler les émissions industrielles et limiter leurs impacts sur la santé humaine et l’environnement.
À la croisée de la mécanique des fluides, du calcul haute performance et de la data science, ce projet offre un cadre de recherche stimulant, avec des opportunités de collaborations entre partenaires académiques et industriels. Il s’appuiera sur des données expérimentales issues de campagnes de mesures sur sites industriels et exploitera des techniques de pointe pour améliorer la précision des simulations. Une dimension originale consistera à adapter dynamiquement les trajectoires des capteurs mobiles afin d’optimiser la collecte de données et réduire les incertitudes.
Ce travail cible un fort impact scientifique, en contribuant à la surveillance mondiale des émissions et aux efforts de décarbonation. Les résultats innovants seront valorisés par des publications de haut niveau et des présentations dans des conférences, assurant une excellente visibilité académique et industrielle.
Mots clefs : Assimilation de données, filtre de Kalman d’ensemble, dispersion de polluants, LBM, CFD, simulations aux grandes échelles, risques industriels

• Directeur de thèse    Pr Marcello MELDI (LMFL), ORCID: 0000-0003-3000-3694
• Ecole doctorale    432 - SMI- Sciences des Métiers de l'Ingénieur, ENSAM
• Encadrant IFPEN    Dr Karine TRUFFIN, ORCID: 0000-0003-0888-9003
• Localisation du doctorant    IFP Energies nouvelles, Rueil-Malmaison, France
• Durée et date de début    3 ans, début au cours du quatrième trimestre 2026 (2 novembre)
• Employeur    IFP Energies nouvelles
• Qualifications    Master en Mathématiques, Sciences du numérique ou mécanique des fluides 
• Connaissances linguistiques    Anglais niveau B2 (CECR), français ou volonté d’apprendre le français 
• Autres qualifications    CFD, Programmation (Python, C++), analyse numérique, écoulements turbulents

Pour postuler, merci d’envoyer votre lettre de motivation et votre CV à l’encadrant IFPEN indiqué ci-dessous.