Follow me on Twitter !

2012-01-24

Proposition de stage bac+5 informatique, aide à la décision

Pays/territoire : Corte, France

Titre du stage :
Développement d’un plugin logiciel et intégration au sein du projet « Decision Deck ».
Contexte :
Le projet « Decision Deck » vise à développer une plate-forme générique d'aide à la décision composée de modules et de composants logiciels interconnectés : http://www.decision-deck.org. Il s'agira lors de ce stage de développer un modèle multicritère nommé ELECTRE 3P d’aide à la décision et de l’intégrer au sein de la plate-forme Decision Deck. Le modèle multicritère ELECTRE 3P a été réalisé par Pascal Oberti, chercheur en économie au sein du laboratoire CNRS UMR 6240 LISA.
Problématique :
Ce stage aura pour premier objectif de développer sous la forme d’un web service un modèle de calcul multicritère. Le profil du candidat devra donc lui permettre :
  1. De comprendre le modèle algorithmique utilisé dans la méthode Electre 3P afin d’en programmer le noyau de calcul.
  2. D’étudier la structure et l’agencement logiciel de l’outil Diviz afin de développer le plugin permettant d’intégrer le modèle ELECTRE 3P.
  3. D’en rédiger un tutoriel complet afin de permettre l’utilisation rapide et intuitive du plugin.
  4. De tester et valider le plugin sur des cas pratiques rencontrés dans le domaines des énergies renouvelables : aide à la localisation de parcs éoliens et de centrales photovoltaïques.
Le second objectif, qui peut être réalisé en parallèle, sera de développer un vocabulaire ontologique dédié à l’aide à la décision et sa publication sur le « web des données », initiative visant la connexion de données distribuées et sémantisées sur le web. Parmi les langages sémantiques développés et standardisés par le W3C, SKOS (« Simple Knowledge Organization System ») et OWL (« Web Ontology Language ») ont retenu notre attention. Le vocabulaire ainsi produit sera mis à disposition librement pour être réutilisé au sein de toute application informatique traitant de l’AMCD. Sera particulièrement étudiée, sa possible intégration au sein de la plateforme logicielle générique d’AMCD « Decision Deck » en y ajoutant une couche expressive à son schéma de données standardisé XMCDA.

Missions :
Le planning suivant pourra être envisagé :
  1. En fonction du profil du candidat : étude de concepts clefs pour l'aide multicritère à la décision (tableau de performances, surclassement, problématiques de référence et procédures de traitement) ; étude des technologies du web sémantique.
  2. Étude et prise en main de la plateforme « Decision Deck », de « Diviz » et du schéma de données standardisé XMCDA. Développement d’un premier prototype de vocabulaire et étude du lien avec XMCDA.
  3. Étude et compréhension du mode de développement de plugin sous « Decision Deck » et « Diviz ». Finalisation d’un vocabulaire ontologique inédit et dédié à l’aide à la décision.
  4. Analyse du modèle ELECTRE 3P en vue de sa transformation en plugin. Déploiement du vocabulaire.
  5. Codage et test : aide à la localisation de parc éoliens et de centrales photovoltaïques
  6. Intégration au sein de la plateforme.
  7. Bilan, synthèse et rédaction de la documentation.
Le stagiaire intégrera l’équipe EnR au sein du laboratoire CNRS UMR SPE 6134 de l’université de Corse, situé à Corte.
Durée du contrat :5 à 6 mois
Profil du candidat :
  • Bac +5 validé en informatique ou économie/informatique
  • Autonome, dynamique, bon relationnel
  • Anglais scientifique
  • Goût pour la recherche 
Compétences requises :
  • Maîtrise de la programmation orientée objet : Java et Python
  • Maîtrise du langage XML et des technologies associées
  • Connaissance du fonctionnement des bases de données et du réseau
Rémunération : 436,05 € par mois
Conditions de travail :170 heures/mois à répartir en fonction des besoins. Bureau équipé (PC, impr., internet, tél., etc.).

Pour proposer votre candidature :
Adressez vos candidatures (CV + lettre de motivation) par courriel à : Christophe PAOLI, MCF informatique, christophe.paoli@univ-corse.fr.

2012-01-20

Un nouveau Papier accepté dans la revue Energy !

Pays/territoire : Corte, France

Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Energy" éditée par Elsevier.

Title of the paper:  Estimation of hourly solar global irradiations on tilted planes from horizontal ones using artificial neural networks.

Authors: Gilles Notton, Christophe Paoli, Siyana Vasileva, Marie Laure Nivet, Jean-Louis Canaletti, Christian Cristofari.

Abstract:  Calculation of solar global irradiations from only horizontal global ones is a difficult task, especially since the time step is small and the data are not averaged. We used an Artificial Neural Network (ANN) to realize this conversion. The ANN is optimized and tested on the basis of five years of solar data and the accuracy of the optimal configuration is around 6% for the RMSE and around 3.5% for the RMAE i.e. better performance than the empirical correlations available in the literature.

Keywords: Solar irradiation, Artificial Neural Network, Estimation.

Sources :  http://www.elsevier.com


2012-01-02

Papier accepté dans la revue Energy

Pays/territoire : Corte, France
Un nouveau papier auquel j'ai collaboré vient d'être accepté pour publication dans la revue "Energy" éditée par Elsevier.

Title of the paper :  Numerical Weather Prediction (NWP) and hybrid ARMA/ANN model to predict global radiation

Authors : Cyril Voyant, Marc Muselli, Christophe Paoli, Marie-Laure Nivet

Abstract :  We propose in this paper an original technique to predict global radiation using a hybrid ARMA/ANN model and data issued from a numerical Weather Prediction Model (NWP). We particularly look at the Multi-Layer Perceptron. After optimizing our architecture with NWP and endogenous data previously made stationary and using an innovative pre-input layer selection method, we combined it to an ARMA model from a rule based on the analysis of hourly data series. This model has been used to forecast the hourly global radiation for five places in Mediterranean area. Our technique outperforms classical models for all the places. The nRMSE for our hybrid model ANN/ARMA is 14.9% compared to 26.2% for the naïve persistence predictor. Note that in the stand alone ANN case the nRMSE is 18.4%. Finally, in order to discuss the reliability of the forecaster outputs, a complementary study concerning the confidence interval of each prediction is proposed.

Keywords: Time Series forecasting, hybrid, Artificial Neural Networks, ARMA, Stationarity.

Sources http://www.elsevier.com

Excellente année 2012 ! Paci è saluta !