Résumé de la conférence
Programme de la conférence
Cliquez
ici
pour le programme complet.
Résumés de la conférence
Cliquez
ici
pour obtenir la liste complète des résumés présentés lors de la conférence.
Cours de brève durée en pré-conférence
Assimilation et optimisation des données : Concepts et mathématiques de base
Instructeurs : Jeremy White, John Doherty, Randy Hunt, Mike Fienen
Ne craignez pas les mathématiques. Les concepts sont plus importants que les équations ; ce cours abordera les concepts que les équations éclairent.
Ces concepts vous aideront à comprendre ce qui se passe sous le capot de PEST et de PEST++. Mais ils vont bien plus loin. Ils vous aideront à comprendre ce que l’on peut attendre de la modélisation de l’aide à la décision en général, et comment le processus de modélisation de l’aide à la décision peut être adapté pour répondre à ces attentes.
Les discussions ne se limiteront pas à la décomposition de la valeur singulière. Ils s’étendront à la manière dont on peut décomposer un problème environnemental de façon à ce que la modélisation permette d’aborder ce problème. Ces connaissances peuvent contribuer à la conception d’un processus de modélisation simple et efficace, capable de recueillir des informations à partir de données, de les orienter vers la prise d’une décision importante et de clarifier les risques associés à cette décision. Ce faisant, vous pouvez intégrer tout ce que la modélisation peut offrir dans le processus de prise de décision.
Cours de courte durée post-conférence
Introduction à l’automatisation des flux de travail avec Python et PEST++.
Instructeurs : Mike Fienen, Randy Hunt, Jeremy White
La confluence de la modélisation environnementale rapide, robuste et reproductible est une licorne spéciale qui doit être apprivoisée. Le cadre PEST++ apporte les outils robustes nécessaires pour pousser les modèles environnementaux à leur potentiel de prise de décision. La répétabilité et, avec un peu de domptage de licornes, l’efficacité accrue sont obtenues grâce à des outils de flux de travail open-source construits autour du cadre PEST++. Dans ce cours, nous utilisons un exemple de modèle travaillé pour fournir un exemple de flux de travail de modélisation prédictive, depuis la connexion d’un modèle à PEST, en passant par l’analyse et l’assimilation de données, jusqu’aux points finaux de prise de décision, en utilisant des scripts tout au long du processus. Les outils de flux de travail sont en langage de programmation python.
