Modlisation dcosystmes multiniveaux par des approches mixtes

1
Modélisation décosystèmes multi-niveaux par des
approches mixtes
Soutenance de la thèse

• dans le but dobtenir le grade de docteur de
  luniversité du Havre
• Auteur Guillaume Prévost (guillaume.prevost_at_univ
  -lehavre.fr)

2
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

3
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

4
Cadre des travaux

• Equipe Modélisation Informatique du Vivant

5
Plan explication (1)

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

6
Plan explication (2)

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

7
Plan explication (3)

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

8
Etude des écosystèmes aquatiques

• Définition générale Biotope Biocénose
• Particularités - Hydrodynamique, - Gradient
  et substrat
• Etude - in situ,
• - Modélisation.

9
Différents types détude (1)

• Distribution des populations on étudie
  lévolution des effectifs des diverses
  populations du peuplement dun écosystème.

10
Différents types détude (2)

• Réseaux dinteraction suivre lévolution des
  interactions entre populations dans un milieu
  particulier.Exemple les chaînes trophiques.

11
Différents types détude (3)

• Évolution du biotope et de la biocénose
  influence réciproque entre lenvironnement et le
  peuplement.

12
Différents types détude (4)

• Distribution des populations.
• Réseaux dinteraction ? Chaînes trophiques entre
  autres.
• Évolution du biotope et de la biocénose.
• Dépendent de la description de lécosystème
  adoptée.

13
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

14
Écosystèmes systèmes

• Un écosystème est un système au sens de la
  théorie générale des systèmes (L. Von
  Bertalanffy)
• un ensemble déléments en interaction
• des interactions émergent des entités
• on a des rétroactions entre tout et parties.

15
Écosystèmes systèmes ouverts

• Un écosystème est un système ouvert (S. Frontier)
  
• des flux de matières et dénergie traversent le
  système
• ces flux structurent dynamiquement le système .
• ? Energie auxiliaire primaire et secondaire.

16
Écosystèmes holarchie

• Les écosystèmes en tant quholarchies (A.
  Koestler)
• pas de hiérarchie mais des niveaux
• les éléments dun niveau ont un lien
  bidirectionnel avec ceux du niveau supérieur et
  inférieur sils existent
• indirectement ou directement, tous les niveaux
  sont connectés
• un élément dun niveau est nommé holon.

17
Décomposition du biotope

• Notion de compartiments
• reliés par des flux
• ont des grandeurs caractéristiques (taux,
  substrat ) en valeur et en dynamique
• grandeurs homogènes dans le compartiment sur
  certains aspects.

18
Décomposition de la biocénose

• Décomposition en trois catégories
• producteur production autotrophe et de O2
• consommateur production hétérotrophe
• décomposeur production de sels minéraux
• ? Dautres décompositions existent

19
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusions

20
Modélisation de la biocénose (1)

• Modèle population-centré
• étudier lévolution dune population en se
  plaçant au niveau global de leffectif
• classiquement basé sur des modèles équationnels
  (logistique, lotka-volterra )
• Les populations sont représentées comme un
  ensemble de p-states (états populationnels)
• hypothèse de mixage parfait et prise en compte de
  la variabilité locale compliquée
• prise en compte de phénomènes globaux aisée.

21
Modélisation de la biocénose (2)

• Individu-centrée
• étudier lévolution dune population en se
  plaçant au niveau local de lindividu
• deux méthodes distinctes - à distribution
  détat,- à configuration détat
• Les individus sont représentés comme un ensemble
  di-states (états individuels)
• prise en compte de phénomènes locaux aisée.

22
Modélisation du biotope

• À base de compartiment
• inspirée de lindividu-centré
• un ensemble détats environnementaux (e-states)
• un ou plusieurs états dont les valeurs ou
  lévolution sont particulières au (et homogènes
  dans le) compartiment
• les compartiments échangent des flux.

23
Modélisation de holon

• Un holon, cest
• des états (i-state ou p-state voire e-state)
• un modèle appliqué sur ces états et constituant
  lévolution de ces états
• on les nommera comportements.Représentation
  unifiée

24
Un modèle décosystème

• Caractéristiques
• multi-niveaux (niveau individuel, populationnel,
  compartimental et systémique)
• holarchique et ouvert
• mixte (à base de lois et de règles)
• décomposition de la biocénose en producteur,
  consommateur, décomposeur.

25
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

26
Communiquer un modèle

• Ontologie ? décrire un domaine de connaissance
• énoncer et définir ses concepts
• énoncer et définir leurs liens
• détacher concepts et organisation des concepts
  ?connaissance et compréhension
• les rendre tous deux réutilisables
• les appliquer ?mécanisme dinstanciation.

27
Communiquer un modèle (2)

• Un exemple simple
• le concept de compartiment des recherches
• le concept dindividu
• le lien contient
• on a un compartiment qui contient un ou
  plusieurs individus
• instancié, on obtient la fosse nord,
  compartiment contient des copépodes, individus.

28
Communiquer un modèle (3)

• Protégé, un outil de conception ontologique
• classes ? concepts
• les classes ont une définition et des slots
• slots ? liens vers dautres classes.
• Instancier, cest compléter les slots des classes.

29
Communiquer un modèle (4)

• Compartiment
• slot contient
• lie une instance de compartiment à des
  instances d individu

30
Communiquer un modèle (5)

• Individu
• slot est situé dans

31
Lontologie du modèle

• Notions centrales
• holons?un formalisme unifié pour décrire les
  composants dun écosystème
• comportements?décrit lévolution de ces
  composants
• composants décosystèmes?classifie les composants
  de base suivant leur rôle dans lécosystème.

32
Lontologie du modèle(2)

• Holons
• états (i-state, p-state ou e-state)
• individus ou super-individus
• compartiments ou environnements
• systèmes ou entités.
• Tous ont des comportements décrivant leur
  évolution.

33
Lontologie du modèle(3)

• Comportements
• se rapporte à une instance de holon et décrit
  lévolution de ses états
• les comportements sont classés par type de modèle
  (loi, règle, équationnel )
• les comportements sont classés suivant les
  informations sur lesquelles ils se basent et
  quils modifient.
• Comportements particuliers à certaines instances
  de holon ?comportement de production par exemple.

34
Lontologie du modèle(4)

• Composant de base
• Correspond aux producteur-consommateur-décomposeu
  r
• définit les informations minimales à connaître
  pour les introduire dans une simulation
• constitue un point daccroche pour démarrer une
  instanciation de lontologie.
• On définit ici la chaîne trophique potentielle de
  notre système.

35
Lontologie du modèle(5)

• Mais aussi
• Modèle de spatialisation global et local ?où et
  comment introduire lespace dans notre futur
  modèle
• Modèle temporel?quel phénomène en relation avec
  le temps introduire et comment
• Chaîne ?notion centrale pour lanalyse de nos
  simulations.
• Comment passer dun problème à un modèle via
  linstanciation ?

36
Exemple dutilisation de lontologie le récif
corallien

• Problème à modéliser (tiré de J.H
  Alvarez-Hernandez )
• un écosystème particulier où varie le substrat
  (quantité de corail)
• plusieurs espèces liées par une relation de
  prédation
• une grande variabilité des espèces en taille
  individuelle et en effectif
• on cherche à suivre lévolution de leffectif

37
Exemple dutilisation de lontologie le récif
corallien

• La chaîne trophique à étudier

38
Exemple dutilisation de lontologie le récif
corallien(2)

• On considère le cas des requins et scombridés
• ce sont des consommateurs
• leur taille est parmi lune des plus élevées de
  lécosystème
• Leur nombre est à priori faible.
• Démarrons linstanciation.

39
Exemple dutilisation de lontologie le récif
corallien (3)
40
Exemple dutilisation de lontologie le récif
corallien (4)
41
(No Transcript)
42
(No Transcript)
43
(No Transcript)
44
(No Transcript)
45
(No Transcript)
46
Expansion de lontologie

• Le problème sort du cadre de lontologie
• Problème lié au placement des individus dans la
  colonne deau
• modèle produit non erroné mais présente des
  lacunes? étendre lontologie en ajoutant ces
  informations

47
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

48
Une simulation pour notre modèle

• Basée sur proActive
• orientée objet-actif ? chaque objet a des états
  et des comportements
• les objets ont des comportements
• distribuable
• développée en respectant les concepts de
  lontologie et donc du méta-modèle.

49
Exemple de simulation

• Position du problème
• trois populations (une de producteurs et deux de
  consommateurs) liées par des relations de
  prédation ou de production-consommation
• un environnement divisé en trois compartiments
  distingués par leur luminosité.

50
Exemple de simulation(2)

• Résultats
• extinction du phytoplancton
• La population de poissons 2 prend la place de la
  population de poissons 1
• des groupes de planctons isolés permettent
  parfois de repeupler le milieu mais
• un compartiment fournit de loxygène aux autres.

51
Etude des rétroactions

• On considère un compartiment isolé
• pas dapport extérieur de O2
• le peuplement est le même que précédemment
• on étudie lexpression de la dépendance entre la
  production dO2 du plancton et la respiration des
  poissons

52
Etude des rétroactions (2)

• Sans prendre en compte des rétroactions dues à la
  consommation doxygène ? disparition du
  peuplement.

53
Etude des rétroactions (3)

• En prenant en compte les rétroactions dues à la
  consommation doxygène avec production doxygène
  insuffisante
• disparition progressive contrebalancée par
  lasphyxie des prédateurs.

54
Etude des rétroactions (4)

• En prenant en compte les rétroactions dues à la
  consommation doxygène avec production doxygène
  suffisante
• fluctuation dordre spatial.

55
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Simulation et applications
• Etude des réseaux dinteraction
• Perspectives et conclusion

56
Etude des réseaux dinteractions

• Réseau dinteractions
• représentation de lensemble des interactions
  entre des groupes de holons
• usuellement décrit via un graphe (nommé graphe
  dinteraction) où les sommets représentent les
  holons et les arcs représentent les interactions
• exemple les chaînes trophiques où les sommets
  représentent des espèces et les arcs signifient
  quune espèce se nourrit sur une autre.

57
Etude des réseaux dinteractions (2)

• Principe concevoir et analyser les graphes
  dinteractions de nos simulations.
• Trois types détudes
• Létude du graphe dinteractions entre espèces
• Létude du graphe dinteractions entre holons
• Létude du graphe dinteractions entre
  individus,super-individus

58
Etude des réseaux dinteractions constitution
des graphes

• Dans notre plate-forme
• chaque interaction est un comportement
• chacune saccompagne de lenvoi dun message à un
  objet spécial et unique par compartiment qui
  construit et analyse les réseaux dinteractions
  de la simulation le DetectDevice
• Chaque message contient les informations
  suivantes lidentité et lespèce des deux
  holons qui interagissent ainsi quune mesure de
  la rétroaction de linteraction sur ces espèces
• le DetectDevice construit dynamiquement le graphe
  dinteractions correspondant à notre simulation
  spatialisée puis lanalyse régulièrement

59
Etude des réseaux dinteractions étude du
graphe dinteractions entre espèces

• Constat
• on trouve les mêmes espèces dans différents
  écosystèmes
• leur régime alimentaire différe suivant leur
  environnement ? ils sont à une place differente
  dans la chaîne trophique.

60
Etude des réseaux dinteractions étude du
graphe dinteractions entre espèces (2)

• Principe
• fixer les règles ou les lois décrivant la
  prédation
• détecter leur répercussion in-simulo
• Les deux différent car la simulation a une
  description individu-centrée et spatialisée.
• Comment ?
• création du graphe dinteraction correspondant à
  la chaîne trophique de la simulation
• ce graphe a pour sommets des espèces liées par
  des arcs qui signifient que ces espèces ont été
  en relation de prédation. La valeur est la somme
  de la biomasse de lespèce représentée par la
  cible de larc qui a été consommée par lespèce
  représentée par la source de larc.

61
Etude des réseaux dinteractions étude du
graphe dinteractions entre espèces (3)
Exemple en reprenant lexemple de lécosystème
à trois compartiments.
62
Changement de représentation in-simulo constat

• Modèles populationnels et individu-centrés
• populationnel variabilité individuelle peu
  importante et environnement local équivalent pour
  les individus ?hypothèse du mixage parfait
• individuel variabilité locale forte,
  environnement direct de chaque individu est
  différent ? considération systémique
• ? Chacun est à utiliser dans un cas précis.

63
Changement de représentation in-simulo principe

• En cours de simulation, les individus peuvent
  voir leur situation évoluer du fait de leur
  environnement local ce qui peut entraîner la
  nécessité de changer le modèle associé
• on interprète le graphe dinteractions en cours
  de simulation afin den tirer des propriétés
  locales de nos divers holons et de distinguer des
  organisations
• on distingue trois types de changement
• 1. de lindividu au super-individu
• 2. de lindividu, super-individu au système
• 3. de lindividu, super-individu au global.
• ? On change par souci de cohérence, pour un gain
  de temps dexécution mais aussi pour un gain
  dinformation sur notre simulation.

64
Changement de représentation in-simulo de
lindividu au super-individu

• De lindividu au super-individu
• Un super-individu est un rassemblement
  dindividus en interaction avec un même
  environnement local
• mêmes interactions avec les mêmes holons suivant
  une métrique
• rassemblement en un même super-individu.

65
Changement de représentation in-simulo de
lindividu au super-individu (2)

• Constitution et interprétation du graphe
• comme précédemment, chaque interaction est
  enregistrée dans le DetectDevice
• on mesure la rétroaction qua linteraction sur
  la biomasse de chacun de ses acteurs
• Le DetectDevice constitue alors un graphe
  dinteractions dont les sommets sont des holons
  (individus, super-individus et e-state) qui sont
  reliés par des arcs signifiant quils ont été en
  relation de consommation et valués par la
  variation de biomasse (ou de valeur pour les
  e-states) quont impliqué lensemble des
  interactions entre ces holons sur une période
• On rassemble les holons qui sont en interaction
  avec les mêmes holons suivant une métrique et
  avec une marge derreur.

66
Changement de représentation in-simulo de
lindividu au super-individu (3)
67
Changement de représentation in-simulo de
lindividu au super-individu (4)
68
Changement de représentation in-simulo de
lindividu au super-individu (5)
69
Changement de représentation in-simulo de
lindividu au super-individu (6)
70
Changement de représentation in-simulo de
lindividu au super-individu (7)
71
(No Transcript)
72
(No Transcript)
73
Changement de représentation in-simulo
comparaison
74
Changement de représentation in-simulo de
lindividu au système (1)

• De lindividu, super-individu au système
• mêmes interactions réciproques avec les mêmes
  individus, super-individus
• rassemblement en un même système géré par une loi
  de type lotka-volterra.

75
Changement de représentation in-simulo de
lindividu au système (2)

• Constitution et interprétation du graphe
• comme précédemment, chaque interaction est
  enregistrée dans le DetectDevice
• on constitue un graphe non orienté et non valué
  dont les sommets sont des individus,
  super-individus et les arcs signifient quils
  ont interagi
• On constitue les ensembles de sommets Ai et Bi

76
Changement de représentation in-simulo de
lindividu au système (3)

• Principe de regroupement

77
Changement de représentation in-simulo de
lindividu au système (4)

• Principe de regroupement

78
Changement de représentation in-simulo de
lindividu de système (5)

• Principe de regroupement

79
Changement de représentation in-simulo de
lindividu au système (6)

• Principe de regroupement

80
Changement de représentation in-simulo de
lindividu au système (7)

• Principe de regroupement

81
Changement de représentation in-simulo de
lindividu au système (8)

• Principe de regroupement

82
Changement de représentation in-simulo de
lindividu au système (9)

• Principe de regroupement

83
Changement de représentation in-simulo de
lindividu au système (10)

• Avancement
• détection opérationnelle
• calibrage en cours

84
Changement de représentation in-simulo de
lindividu au global (1)

• De lindividu, super-individu au global
• aucune interaction avec des holons situés
• gestion globale à base déquations de type
  logistique.

85
Changement de représentation in simulo de
lindividu au global (2)

• Dégroupement dynamique si
• Un super-individu issu dun rassemblement
  présente un changement dans son évolution ou
  denvironnement
• un système entre en interaction avec des
  individus
• un p-state entre en interaction avec des
  individus ou super-individus.

86
Plan

• Comprendre, communiquer et analyser
• Les écosystèmes caractéristiques
• Un modèle informatique
• Méthodologie détude
• Analyser Simulation et applications
• Analyser Etude des retoactions
• Perspectives et conclusion

87
Conclusions et perspectives
88
Perspectives (1)

• Premier test des systèmes en cours avec un
  lotka-volterra classique
• Prendre en compte les interactions avec les
  e-states des compartiments via un lotka-volterra
  adapté.

89
Perspectives (2)

• Construction dune interface spécifique à la
  méthodologie faisant aussi le lien avec lAPI.
• Test de la méthodologie à effectuer.
• Exploration de laspect distribution avec
  couplage.
• Incorporation des travaux sur les écoulements.

90
(No Transcript)
91
Travaux actuels

• Détermination a-priori des paramètres
• Calcul des paramètres à partir des mesures
  in-simulo
• Fixation à priori seulement de certains
  paramètres
• Utilisation dune nouvelle equation de type
  lotka-volterra

92
Autres travaux

• Rivage une couche individu-centrée, detection
  dorganisation
• GEAMAS trois couches prédéfinies, concept
  holarchique
• R. Duboz utilisation dun IBM pour calcul des
  paramètres dun modèle global.

93
Agent Ferber

• Un agent est capable dagir dans un
  environnement, est mû par des tendances (sous
  forme dobjectifs individuels ou dune fonction
  de satisfaction, voire de survie, quil cherche à
  optimiser), possède des ressources propres, est
  capable de percevoir (mais de manière limitée)
  son environnement, ne dispose que dune
  représentation partielle de son environnement (et
  éventuellement aucune), possède des compétences
  et offre des services, peut éventuellement se
  reproduire. Ses comportements ont pour but de
  satisfaire ses objectifs, en tenant compte des
  ressources et des compétences dont il dispose, et
  en fonction de sa perception, de ses
  représentations et des communications quil
  reçoit.