Machine learning pour la correction de microcapteur H2S

Informations

  • Responsable(s) : C. Chatelain, B. Wastine (AtmoNormandie)
  • Coefficient : 1,5 ou 3
  • Nombre d'étudiants : 2

Sujet

Ce sujet est une collaboration avec AtmoNormandie, l'organisme de surveillance de la qualité de l'air en normandie (http://www.atmonormandie.fr/). Nous disposons de mesures issues de 2 microcapteurs installés depuis 6 mois sur un site au Havre pour la mesure de l'H2S. Ces capteurs sont connus pour être sensibles aux variations de température, pression, humidité et de SO2, données qui sont par ailleurs mesurées. On dispose également d'une mesure de H2S de référence. L'idée de ce projet est d'utiliser une méthodologie de type machine learning pour apprendre à corriger les données des microcapteurs vers la "vraie" valeur de H2S. Langage de programmation : python ou R; compétences souhaitées : machine learning.

Évaluation

50% rapport, 50% réalisation