Title: Une mthodologie de modlisation pour grer la complexit des cosystmes estuariens
1Une méthodologie de modélisation pour gérer la
complexité des écosystèmes estuariens
- Guillaume Prévost
- LIH
- Guillaume.prevost_at_univ-lehavre.fr
2Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
3Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
4Démarche
- Approche systémique
- Fournir une méthodologie permettant de modéliser
un écosystème et ses constituants - Fournir les outils pour passer dun modèle
développé suivant cette méthodologie à une
simulation - Fournir des outils danalyses des résultats
5Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
6Lapproche systémique
- Les écosystèmes sont
- des systèmes au sens de la théorie générale des
systèmes - des systèmes thermodynamiques (dissipatif)
- Des systèmes ouverts holarchiques (SOHOS)
7Changer le niveau de description
- Les modèles différent par
- Leur echelle (spatiale ou temporelle)
- Leur manière de representer lespace (continu ou
discret) - Leur nature (individu-centré, analytique, )
- ?Modèle hybride multi-echelle
8Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
9Multi-scale model for fluid flow simulation
- Finding organizations which sum up many entities
behaviors in a high level of description ?
computable simulations - Multi-scale models give pertinent information as
emergence of systems which retro-act on
constitutive components
10Overview of the System
- Two layers
- Basic low level objects such as fluid particles.
- An organisational MAS representing the
organisations both among the first layer but also
inside the MAS itself. - The MAS thus reifies a fractal aspect of the
organisations.
11Basic Layer
- Particles behaviour is based on Bio-Savart
formula. -
- These formula compute the speed and vorticity of
the particles - Computation in O(n²)
12Detecting emergent vortexes among the basic
particles
- Vortex of various size and shapes are detected
using the following steps - Delaunays Triangulation
- Minimal spanning tree
- Clusters detection
- Convex hulls with constraintsthese hulls become
the outer limit of an agent representing the
emergent structure - Illustrative sample in the following
13Reification of the detected structure
- The particles included in the detected structure
are taken off from the basic layer of the
simulation - An agent representing the structure is created in
its place.
14Life of an Agent
- Reifies a structure.
- Its proaction is mechanic.
- Its social aspects are trying to combine with
agents of same vorticity and being weakened by
close agents of opposite vorticity. - Being weakened means reducing its size or
changing its shape and creating smaller scale
entities (agents or particles) to fine tune the
interaction. - This weakening can lead to the destruction of the
agent.
15Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
16Lapproche
- On subdivise la biocénose en trois catégories
- Les producteurs
- Les consommateurs
- Les décomposeurs
- On divise lécosystème en compartiments reliés
par des flux.
17Un meta-modèle decosystème principaux concepts
- Regroupant modèles individu-centrés,
populationnels et globaux sous un formalisme
individu-centré - Multi-niveau de modélisation et dobservation.
- Ecosystèmes séparés en compartiments spatiaux
échangeant des flux. - Entités liés par des interactions.
18Un meta-modèle hybride holarchique à compartiments
- On a connaissance de copartiments
- Exemple de la Seine qui peut se décomposer en
compartiments naturels - Lespace permet de décomposer naturellement un
ecosystème
19Un meta-modèle hybride holarchique à compartiments
Exemple dune simulation hybride à trois
compartiments
20Un meta-modèle hybride holarchique à
compartiment buts
- Permettre dutiliser plusieurs types de modèles
existants qui différent par - Leur nature (echelle, type, )
- Leur méthodologie (IBMs, equationnel, ...)
- Sadapter aux caracteristique des ecosystèmes
- Théorie general des systèmes
- Traversé par des flux structurant
- Holarchiques et ouverts
- compartimentaux
- Faciliter la tâche du modelisateur.
21Modèle de chaîne trophique
- Nous utilisons un modèle de comportement basé sur
une decomposition tri-partie - Les producteurs vie vegetale
- Les consommateurs vie animales principalement
- Les décomposeurs les bacteries
22Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
23Une ontologie pour décrire les écosystemes
- Une ontologie, pour quoi faire ?- Donner une
définition formelle des concepts dun domaine de
connaissance - - expliciter les liens entre les concepts-
clarifier les partis-pris dune vision- partager
la connaissance et la compréhension du domaine
avec des non spécialistes
24Une meta-ontologie pour notre meta-modèle
- Réalisée avec protégé2000
- Permet de convertir létude dun cas concret (un
écosystème réel) en un modèle respectant les
concepts de modélisation précédemment cités via
le mécanisme dinstanciation - Faites de concept (ou classe) et de relations
(héritage ou lien nommé slot ) entre ces
classes.
25(No Transcript)
26Linstanciation ?
- Lontologie définit des concepts et les liens ou
rapport entre ces concepts - Linstanciation consiste à donner des cas réels
de ces concepts en définissant toutes les
instances des concepts reliés au concept que lon
détermine - Dans le cas de notre meta-ontologie de modèle,
linstanciation correspond à la modélisation dun
problème concret.
27Un exemple ?
- Nous traiterons un problèmes fictif simple
- Ecosystème où lon veut étudier la lumière
- La lumière varie dans le milieu
- Biocénose constitué de quatre espèces
- On étudie aussi les chaînes trophiques du milieu
28Du problème au modèle
- On connaît les interactions possibles entre
espèces
29Le phytoplancton
- Que sait ton ?
- Le phytoplancton produit de loxygène, cest donc
un producteur
30Choix dun modèle
- Linstanciation de la classe Producer pose de
nouvelles questions sur loxygène (modélisation
?), les sels minéraux et le choix dun modèle
pour représenter les phytoplanctons. - On choisit de les modéliser en tant que
super-individu
31Choix dun spacialisation
- La classe Coordinate2D
- Lespace associé
32Les comportements du plancton
-
- On lui adjoint des behaviors
- De production
- De vieillissement
- De reproduction
33Au final
- On répète le processus avec toutes les données du
problèmes - Linstanciation nous permet de préciser notre
modèle et nous guide dans les étapes de la
modélisation - On obtient- Un écosystème décomposé en
compartiments spatialisés via une grille et un
espace continu à deux dimension et échangeant de
loxygène.- Les compartiments ont pour
attributs O2, sels minéraux, matière organique-
le plancton et les bactéries sont des
super-individus respectivement producteurs et
décomposeurs localisés via leurs coordonnés sur
la grille- les poissons sont des individus
consommateurs localisés via leurs coordonnées
dans lespace.
34Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
35Caractéristique de la plateforme
- Implémenté en java en utilisant ProActive
- Distribuable sur un réseau de machine
- Programmé en tant quAPI
- Prévu pour être utilisé via une interface
36Quelques screenshots
37Screenshots (suite)
38Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
39Comment détecter?
- Environnement basé sur les interactions entre
entités - Enregistrement des interactions de type prédation
ou consommation avec évaluation de son effet sur
les deux entités - Constitution dun graphe dinteraction
40Constitution du graphe
- Les sommets sont les entités ayant été en
interactions - Les arcs lient les entités qui ont interagit
- La valeur de larc (A,B) est égal à la somme des
effets sur A des interactions entre A et B.
41Rassemblement et stabilité
- On rassemble les entités ayant les mecs arcs
incidents. - La nature de lentité émergente dépend de celle
de ses constituants - Lentité émergente regroupe les comportements et
états de ses éléments - Elle est stable tant quelle conserve les arcs
incidents de ses constituants.
42Plan
- Démarche
- Les écosystèmes sont des systèmes complexes
- Multi-scale model for fluid flow simulation
- Un meta-modèle
- Utilisation d'une ontologie
- Un environnement de simulation
- Une méthode de détection dorganisations comme
outils danalyse - Perspectives
43A venir
- Implémentation dun interface homme-machine pour
faire le lien entre meta-ontologie et plateforme - Fin dimplementation du changement dechelle
suite aux détection - Constitution des chaînes trophiques en cours de
simulation