Vous cherchez...

 
Une recherche
   
   
 
 
Gestion de données scientifiques
(ACR)
- Mot(s) clé(s) :
Objet d'étude : agrosystème cultivé, filière agroalimentaire, plante
Question sociétale et finalité, contexte : changement climatique
Démarche, discipline : Base de données, informatique, Statistics
Afficher la suite
Objet d'étude : agrosystème cultivé, filière agroalimentaire, plante
Question sociétale et finalité, contexte : changement climatique
Démarche, discipline : Base de données, informatique, Statistics
Dispositif technique et méthode d'étude : bayesian method, ingénierie des connaissances, représentation des connaissances, statistical analysis
Réduire

- Description détaillée :
Une difficulté majeure dans les processus d'analyse, de compréhension et
de décision pour les Afficher la suite
Une difficulté majeure dans les processus d'analyse, de compréhension et
de décision pour les agro-écosystèmes est la prise en compte de masses de
données importantes, temporelles et hétérogènes. Ces ensembles de données
peuvent être issus de domaines comme l'agronomie, la génomique et l'environnement ou encore être issus d'une filière couvrant la production, la transformation, jusqu'aux aspects économiques.
Citons quelques exemples :
- l'étude du comportement de plantes sous stress environnementaux,
- l'étude de l'évolution de sous-composés d'intérêt en fonction du milieu en vinification.

L'objectif de cette activité est de développer et de fournir
des méthodes et des outils pour la gestion et l'analyse de données scientifiquesissues de différentes sources.


Un premier travail concerne l'acquisition, l'organisation, la mise à disposition et l'exploitation de ces données en prenant en compte :
-la nature de données variées. Celles-ci peuvent être complexes et multi-échelles
-la gestion de sources de données hétérogènes, qui évoluent au cours du temps.

Du point de vue méthodologique nous travaillons sur des
modèles de base de données, de descriptions RDF et d'ontologies. Ainsi nous développons des méthodes qui permettent par exemple de décrire finement et de valider des ensembles données.

Dans la continuité un second travail concerne l'analyse et la modélisation de grands tableaux de données temporelles, encore appelés dans la littérature données fonctionnelles, courbes, données longitudinales. Les méthodes utilisées relèvent de la statistique et peuvent s'appuyer de la connaissance a priori (statistique Bayésienne): modèle mixte, décomposition dans une base de fonctions, modèle hiérarchique...


Enfin, un troisième travail est basé sur l'intégration du savoir-faire, et sur l'apprentissage de règles à partir des données disponibles sur l'agrosystème, par exemple les données recueillies en routine pour le contrôle qualité. La réalisation de ces outils est novatrice pour les filières traditionnelles en agroalimentaire, telles que la vinification ou la fabrication de fromages de pays. Elle permet d'offrir une approche pertinente pour gérer et analyser des connaissances et des données.


Partenaires principaux : les équipes des Labex Agro et Numev. Réduire

- Champs de rattachement :
 

En naviguant sur notre site vous acceptez l'installation et l'utilisation des cookies sur votre ordinateur. En savoir +