Academic literature on the topic 'Incertitude du scenario'

There is a wide acknowledgement of obesity as a relevant clinical entity. Such relevance can be inferred by the huge worldwide amount of research and related health promotion and clinical efforts. Though the evidence sustains some cues for the therapeutic success, the overall long-term effectiveness of obesity treatment tends to be not so satisfactory. Scientific literature is not unequivocal in key areas of nutritional intervention, such as the magnitude of caloric restriction, proportion of macronutrients, meal frequency, among others. The same applies to the area of physical activity recommendation for weight control. As a correlate of this scenario of incertitude, there is a proliferation of interventions and there is a clear need to integrate the scientific and clinical evidence. This paper presents a narrative literature review of key issues of clinical practice in obesity, regarding a set of actions that, in the overall, have as main purpose the promotion<br />of reduction and/or control of body weight. The role of the health professional is highlighted as a facilitator of acquisition of habits that favor weight control, by integrating the professional’s scientific knowledge with the patient’s readiness for and capacity to change.

Abstract This article explores the connection between technology and temporality, and discusses specifically scenario technology and the temporality of urgency, in the context of the Coronavirus Disease 2019 (COVID-19) pandemic. It illustrates how, despite the inherent orientation toward the future potentiality in this technology, once an actual event occurs and the temporality of preparedness is overridden by a temporality of urgency, the scenario technology is adapted to the new temporality in terms of its form and content. In correspondence with the scholarship of ‘the anthropology of the future’, the article focuses on changes in temporal orientations – specifically, with a shift from a temporality of (future) preparedness to a temporal orientation of (immediate) urgency and how such a shift in temporality affects the technology of the scenario. Moving from preparing for potential future uncertainties to responding to an urgent event set in a present that is unfolding into an uncertain, immediate future provokes a new temporal orientation, for which the initial temporality of the scenario technology becomes its limitation. Cet article explore le lien entre technologie et temporalité, et discute spécifiquement de la technologie des scénarios et de la temporalité de l'urgence, dans le contexte de la pandémie de coronavirus 2019 (COVID-19). Il illustre comment, malgré l'orientation inhérente de cette technologie vers la potentialité future, une fois qu'un événement réel se produit et que la temporalité de la préparation est remplacée par une temporalité d'urgence, la technologie du scénario est adaptée à la nouvelle temporalité en termes de forme et de contenu. En correspondance avec la recherche de “l'anthropologie du futur”, l'article s'intéresse aux changements d'orientations temporelles — plus précisément, au passage d'une temporalité de préparation (future) à une orientation temporelle d'urgence (immédiate) et à la manière dont un tel changement de temporalité affecte la technologie du scénario. Passer de la préparation à des incertitudes futures potentielles à la réponse à un événement urgent dans un présent qui se déroule dans un futur incertain et immédiat provoque une nouvelle orientation temporelle, pour laquelle la temporalité initiale de la technologie du scénario devient sa limite.

Il est crucial d'augmenter le délai d'anticipation des crues rapides méditerranéennes pour mieux anticiper leur impact. Mais la prévision hydrométéorologique est affectée par plusieurs sources d'incertitude : l'incertitude majeure qui provient des prévisions de précipitations utilisées en entrée des modèles hydrologiques, mais aussi la connaissance de l'humidité initiale du sol et le modèle hydrologique lui-même. Pour échantillonner ces incertitudes, des systèmes de prévision d'ensemble hydrométéorologique sont conçus et comparés. Ils sont basés sur le modèle atmosphérique à l'échelle kilométrique AROME de Météo-France et sur le modèle hydrologique ISBA-TOP, dédié aux bassins méditerranéens à réponse rapide. L'incertitude sur la prévision des pluies est échantillonnée en utilisant la PEARO, prévision d'ensemble avec AROME, en entrée d'ISBA-TOP ou en introduisant dans les sorties déterministes d'AROME des perturbations basées sur des climatologies d'erreur de prévision de la pluie. Pour considérer les incertitudes sur la modélisation hydrologique et sur l'état initial du sol, des méthodes de perturbation des paramètres les plus sensibles d'ISBA-TOP et de l'humidité initiale du sol ont été conçues. Les scenarii de précipitations de la PEARO sont ensuite utilisés en entrée d'une version d'ISBA-TOP où ces méthodes de perturbation sont appliquées. Ce système de prévision prenant en compte différentes sources d'incertitude englobe bien les observations de débits sur plusieurs cas d'étude et bassins versants. Un petit nombre de membres permet déjà de meilleures performances en termes de prévisions de débits qu'une prévision déterministe.

Modern distributed water-aware technologies (including, for example, greywater recycling and rainwater harvesting) enable water reuse at the scale of household or neighbourhood. Nevertheless, even though these technologies are, in some cases, economically advantageous, they have a significant handicap compared to the centralized urban water management options: it is not easy to estimate a priori the extent and the rate of the technology spread. This disadvantage is amplified in the case of additional uncertainty due to expansion of an urban area. This overall incertitude is one of the basic reasons the stakeholders involved in urban water are sceptical about the distributed technologies, even in the cases where these appear to have lower cost. In this study, we suggest a methodology that attempts to cope with this uncertainty by coupling a cellular automata (CA) and a system dynamics (SD) model. The CA model is used to create scenarios of urban expansion including the suitability of installing water-aware technologies for each new urban area. Then, the SD model is used to estimate the adoption rate of the technologies. Various scenarios based on different economic conditions and water prices are assessed. The suggested methodology is applied to an urban area in Attica, Greece.

Abstract: Comparative law is a well-established discipline today. However, there remain uncertainties amongst teachers of the discipline regarding the teaching method as well as the content of the comparative law course. The following article first sets out the practical tasks, requirements, and challenges comparatists are facing today. On this basis, the author makes a proposal on how to prepare students for these challenges. He suggests teaching a multilateral and supra-national comparative method, using case scenarios and an approach of learning by doing. The author finally summarizes the numerous benefits and advantages that the proposed method of teaching, studying, and learning comparative law offers. Résumé: Le droit comparé est aujourd’hui une discipline bien établie. Cependant, parmi les enseignants, persistent des incertitudes concernant le contenu du cours de droit comparé ainsi que la méthode d’enseignement. La contribution suivante analyse d’abord les exigences pratiques pour les comparatistes d’aujourd’hui, afin d’en déduire ensuite des conséquences pour l’enseignement de la matière. L’auteur expose l’enseignement d’une méthode multilatérale et supranationale de droit comparé. Il propose d’enseigner cette méthode à l’aide de cas pratiques et d’une approche de learning by doing. Finalement, les atouts et les multiples avantages de cette méthode d’enseignement pour les étudiants seront soulignés.

Abstract. In climate change impact research, the assessment of future river runoff as well as the catchment scale water balance is impeded by different sources of modeling uncertainty. Some research has already been done in order to quantify the uncertainty of climate projections originating from the climate models and the downscaling techniques as well as from the internal variability evaluated from climate model member ensembles. Yet, the use of hydrological models adds another layer of incertitude. Within the QBic3 project (Québec-Bavaria International Collaboration on Climate Change) the relative contributions to the overall uncertainty from the whole model chain (from global climate models to water management models) are investigated using an ensemble of multiple climate and hydrological models. Although there are many options to downscale global climate projections to the regional scale, recent impact studies tend to use Regional Climate Models (RCMs). One reason for that is that the physical coherence between atmospheric and land-surface variables is preserved. The coherence between temperature and precipitation is of particular interest in hydrology. However, the regional climate model outputs often are biased compared to the observed climatology of a given region. Therefore, biases in those outputs are often corrected to reproduce historic runoff conditions from hydrological models using them, even if those corrections alter the relationship between temperature and precipitation. So, as bias correction may affect the consistency between RCM output variables, the use of correction techniques and even the use of (biased) climate model data itself is sometimes disputed among scientists. For those reasons, the effect of bias correction on simulated runoff regimes and the relative change in selected runoff indicators is explored. If it affects the conclusion of climate change analysis in hydrology, we should consider it as a source of uncertainty. If not, the application of bias correction methods is either unnecessary in hydro-climatic projections, or safe to use as it does not alter the change signal of river runoff. The results of the present paper highlight the analysis of daily runoff simulated with four different hydrological models in two natural-flow catchments, driven by different regional climate models for a reference and a future period. As expected, bias correction of climate model outputs is important for the reproduction of the runoff regime of the past regardless of the hydrological model used. Then again, its impact on the relative change of flow indicators between reference and future period is weak for most indicators with the exception of the timing of the spring flood peak. Still, our results indicate that the impact of bias correction on runoff indicators increases with bias in the climate simulations.

AbstractThe measurements of the solar photospheric diameter rank among the most difficult astronomic observations. Reasons for this are the fuzzy definition of the limb, the SNR excess, and the adverse daytime seeing condition. As a consequence there are very few lengthy and consistent time series of such measurements. Using modern techniques, just the series from the IAG/USP and from Calern/OCA span more than one solar cycle. The Rio de Janeiro Group observations started in 1997, and therefore in 2008 one complete solar cycle time span can be analyzed. The series shares common principles of observation and analysis with the ones afore mentioned, and it is complementary on time to them. The distinctive features are the larger number of individual points and the improved precision. The series contains about 25,000 single observations, evenly distributed on a day-by-day basis. The typical error of a single observation is half an arc-second, enabling us to investigate variations at the expected level of tens of arc-second on a weekly basis. These features prompted to develop a new methodology for the investigation of the heliophysical scenarios leading to the observed variations, both on time and on heliolatitude. The algorithms rely on running averages and time shifts to derive the correlation and statistical incertitude for the comparison of the long term and major episodes variations of the solar diameter against activity markers. The results bring support to the correlation between the diameter variation and the solar activity, but evidentiating two different regimens for the long term trend and the major solar events.

The predicted climate change threatens food security in the coming years in Algeria. So, this study aims to assess the impact of future climate change on a key crop in Algeria which is rainfed durum wheat. We investigate the impact of climate change on rainfed durum wheat cultivar called Mexicali using AquaCrop crop model and the EURO-CORDEX climate projections downscaled with the ICHEC_KNMI model under RCP 4.5 and RCP 8.5. A delta method was applied to correct the incertitudes present in the raw climate projections of two experimental sites located in Sétif and Bordj Bou Arreridj (BBA)’s Eastern High plains of Algeria (EHPs). AquaCrop was validated with a good precision (RMSE = 0.41 tha−1) to simulate Mexicali cultivar yields. In 2035–2064, it is expected at both sites: an average wheat grain yield enhances of +49% and +105% under RCP 4.5 and RCP 8.5, respectively, compared to the average yield of the baseline period (1981–2010), estimated at 29 qha−1. In both sites, in 2035–2064, under RCP 4.5 and RCP 8.5, the CO2 concentrations elevation has a fertilizing effect on rainfed wheat yield. This effect compensates for the negative impacts induced by the temperatures increase and decline in precipitation and net solar radiation. An increase in wheat water productivity is predicted under both RCPs scenarios. That is due to the water loss drop induced by the shortening of the wheat-growing cycle length by the effect of temperatures increase. In 2035–2064, early sowing in mid-September and October will lead to wheat yields improvement, as it will allow the wheat plant to benefit from the precipitations increase through the fall season. Thus, this early sowing will ensure a well vegetative development and will allow the wheat’s flowering and grain filling before the spring warming period.

ABSTRACTBackground: The approval of new biosimilars by national health agencies is expected to generate significant cost savings for health care systems. This is particularly the case with the biosimilar of rituximab approved for the Canadian market in 2019. However, several uncertainties remain regarding utilization of this agent.Objectives: To determine the proportion of total annual drug expenses for each indication for rituximab in the hospital setting and to determine potential savings related to introduction of a biosimilar.Methods: A budget impact analysis was performed through 3 real-world scenarios, based on data obtained from a large university teaching hospital for a 12-month period.Results: This study involved data for 420 patients. Annual expenses for rituximab for all indications represented 7.7% of total annual drug spending for the hospital, of which 5.0% was related specifically toindications approved by Health Canada. More than 6% of the annual drug expenses was attributable to the use of rituximab for oncologic indications, including 1.8% for uses not approved by Health Canada.Overall, each 10% reduction in the price of a biosimilar of rituximab (relative to the reference rituximab) would result in annual savings of about 0.8% of total drug expenses in the hospital if a biosimilar was used for all real-world indications, whether approved by Health Canada or not.Conclusions: The introduction of a biosimilar of rituximab to the Canadian market would generate significant savings. To properly assess the potential savings that this agent could generate in the limited budget environment of a hospital, it seems important to consider all of the indications for which it could be used.RÉSUMÉContexte : On s’attend à ce que l’approbation de medicaments biosimilaires par les agences de santé nationales génèrent des économies importantes pour les systèmes de soins de santé. C’est particulièrement lecas pour le biosimilaire du rituximab approuvé pour le marché canadien en 2019. Cependant, plusieurs incertitudes demeurent quant à son utilisation.Objectifs :Déterminer la proportion des dépenses pour chaque indication du rituximab par rapport à la dépense totale annuelle en medicaments dans un contexte hospitalier et déterminer les économies potentielles liées à l’introduction d’un biosimilaire.Méthode : Une analyse d’impact budgétaire a été réalisée à partir de trois scénarios basés sur des données obtenues dans un grand centre hospitalier universitaire sur une période de 12 mois.Résultats : Cette étude a examiné les données de 420 patients. Les dépenses annuelles relatives au rituximab, toutes indications confondues, représentaient 7,7 % des dépenses annuelles totales de l’hôpital. De cellesci, 5 % étaient liées en particulier aux indications approuvées par Santé Canada. Plus de 6 % des dépenses annuelles en médicaments étaient imputables à l’utilisation du rituximab à des fins oncologiques, y compris 1,8 % pour des utilisations que Santé Canada n’a pas approuvées. De manière générale, chaque réduction de 10 % du prix d’un produit biosimilaire du rituximab (parent du rituximab référence) entraînerait des économies annuelles d’environ 0,8 % du total des dépenses en médicaments dans cet hôpital si les produits biosimilaires étaient utilisés pour toutes les indications, qu’elles soient approuvées ou non par Santé Canada.Conclusions : L’introduction d’un biosimilaire du rituximab sur le marché canadien engendrerait des économies importantes. L’évaluation adéquate des économies générées par un biosimilaire pour un hôpital ayant un budget limité nécessite la prise en compte de toutes les indications pour lesquelles il pourrait être utilisé.

Les humains raisonnent souvent en présence d'informations contradictoires. Dans cette thèse, j'ébauche une axiomatisation du sens commun sous-jacent à ce raisonnement dit paraconsistant. L'implémentation de cette axiomatisation dans les ordinateurs autonomes sera essentielle si nous envisageons de leur déléguer des décisions critiques ; il faudra également vérifier formellement que leurs réactions soient sans risque en toute situation, même incertaine. Une situation incertaine est ici modélisée par une base de connaissances probabilistes éventuellement inconsistante ; c'est un multi-ensemble de contraintes éventuellement insatisfiable sur une distribution de probabilité de phrases d'un langage propositionnel, où un niveau de confiance peut être attribué à chaque contrainte. Le principal problème abordé est l'inférence de la distribution de probabilité qui représente au mieux le monde réel, d'après une base de connaissances donnée. Les réactions de l'ordinateur, préalablement programmées puis vérifiées, seront déterminées par cette distribution, modèle probabiliste du monde réel. J. B. Paris et al. Ont énoncé un ensemble de sept principes, dit de sens commun, qui caractérise l'inférence dans les bases de connaissances probabilistes consistantes. Poursuivant leurs travaux de définition du sens commun, je suggère l'adhésion à de nouveaux principes régissant le raisonnement dans les bases inconsistantes. Ainsi, je définis les premiers outils théoriques fondés sur des principes pour raisonner de manière probabiliste en tolérant l'inconsistance. Cet ensemble d'outils comprend non seulement des mesures de dissimilarité, d'inconsistance, d'incohérence et de précision, mais aussi un processus d'inférence coïncidant avec celui de J. B. Paris dans le cas consistant. Ce processus d'inférence résout un problème de la théorie du vote, c'est-à-dire l'obtention d'un consensus parmi des opinions contradictoires à propos d'une distribution de probabilité telle que la répartition d'un investissement financier. Finalement, l'inconsistance n'est qu'une forme d'incertitude qui ne doit pas entraver notre raisonnement, ni celui des ordinateurs : peut-être qu'une plus grande confiance leur sera accordée s'ils fondent leurs décisions sur notre sens commun
If we envisage delegating critical decisions to an autonomous computer, we should not only endow it with common sense, but also formally verify that such a machine is programmed to safely react in every situation, notably when the situation is depicted with uncertainty. In this thesis, I deem an uncertain situation to be a possibly inconsistent probabilistic propositional knowledge base, which is a possibly unsatisfiable multiset of constraints on a probability distribution over a propositional language, where each constraint can be given a reliability level. The main problem is to infer one probabilistic distribution that best represents the real world, with respect to a given knowledge base. The reactions of the computer, previously programmed then verified, will be determined by that distribution, which is the probabilistic model of the real world. J. B. Paris et al stated a set of seven commonsensical principles that characterises the inference from consistent knowledge bases. Following their approach, I suggest adhering to further principles intended to define common sense when reasoning from an inconsistent knowledge base. My contribution is thus the first principled framework of paraconsistent probabilistic reasoning that comprises not only an inference process, which coincides with J. B. Paris's one when dealing with consistent knowledge bases, but also several measures of dissimilarity, inconsistency, incoherence, and precision. Besides, I show that such an inference process is a solution to a problem originating from voting theory, namely reaching a consensus among conflicting opinions about a probability distribution; such a distribution can also represent a distribution of a financial investment. To conclude, this study enhances our understanding of common sense when dealing with inconsistencies; injecting common sense into decision systems should make them more trustworthy

Ce projet de recherche est consacré à l'estimation des risques financiers liés au changement climatique. Au-delà des applications et des résultats quantitatifs, les chapitres de cette thèse ont pour principal objectif d'apporter des méthodologies générales utilisables par les praticiens. Le premier chapitre propose une méthode d'évaluation bottom-up du risque de transition adjointe aux modèles de risque classiques. Cette approche du risque opérationnel par les coûts engendrés par une taxe potentielle limite l'impact aux secteurs directement polluants, ce qui amène au deuxième chapitre, introduisant les tables d'entrée-sorties pour appréhender les effets indirects du risque de transition dans la chaîne d'approvisionnement. Ces approches offrent une structure statique permettant d'évaluer le risque dans un scénario donné, mais pas de déterminer le prix des obligations en considérant des scénarios hétérogènes et leur probabilité de réalisation. Pour ce faire, le troisième chapitre propose un modèle de pricing intégrant une approche bayésienne dans la mise à jours des probabilités de scénarios sur la base des sauts observés dans les mécanismes de tarification du carbone. Enfin, le dernier chapitre propose une méthodologie Monte-Carlo de simulation de dommages annuels causées par des cyclones tropicaux. La conversion des données climatiques brutes en base de données synthétique de sinistres est réalisée en couplant des relations statistiques et thermodynamiques. L'exposition des actifs physiques, les dynamiques des facteurs socio-économiques, les densités de populations locales et les vulnérabilités spécifiques aux différentes régions du monde sont empruntés à différents segments de la littérature. Ils sont combinés afin d'obtenir un modèle complet du triptyque classique nécessaire à l'étude des risques physiques : 'intensité' x 'exposition' x 'vulnérabilité' généralisable et homogène sur l'ensemble des pays. Le signal résultant peut ensuite être inclus simplement dans des modèles de risque de crédit assimilant les dommages annualisés à de la dette additionnelle
This research project aims at estimating financial risks related to climate change. Beyond the applications and quantitative findings, the main objective of the chapters of this thesis is to provide a structural and methodological framework that is generalizable, in order to facilitate their integration by practitioners. The first chapter proposes a bottom-up measure of transition risk, which can be incorporated with classical risk models (Merton or credit risk model). This cost-based approach is limited to the directly polluting sectors, which leads to the second chapter, which allows for the diffusion of transition risk through the value chain. These approaches offer a static structure that allows for a fixed scenario stress-test but not for pricing the bonds by considering heterogeneous scenarios and the probability of realization. To this end, chapter three proposes a pricing model that integrates a Bayesian approach in updating scenario probabilities based on observed jumps in carbon pricing mechanisms. Finally, the last chapter proposes a Monte-Carlo methodology for simulating annual damages caused by tropical cyclones. The conversion of raw climatic data into a synthetic database of losses is achieved by coupling statistical and thermodynamic relationships. The exposure of physical assets, the dynamics of socio-economic factors, local population densities and specific vulnerabilities in different regions of the world are borrowed from different segments of the literature, and combined to obtain a complete model of the classical triptych necessary for the study of physical hazards: hazard intensity x exposure x vulnerability generalizable and homogeneous across countries. The resulting signal can then be simply included in credit risk models equating annualized damages with additional debt

Les systèmes du cycle du combustible nucléaire, composés de réacteurs, de divers combustibles et de différentes installations de cycle, sont complexes et en constante évolution. Grâce à leur capacité à faire des projections de stratégies industrielles et à évaluer les impacts associés sur le système du cycle du combustible nucléaire, les scénarios électronucléaires sont considérés comme un outil puissant d'aide à la décision. Les études de scénarios aident les décideurs à identifier les forces et les faiblesses des différentes stratégies d'évolution d’un parc nucléaire et puis à proposer des trajectoires d'évolution possibles pour l'industrie nucléaire en fonction des contraintes de la physique, de l'économie, de l'industrie, etc.Cependant, les études de scénarios sont généralement soumises à différents types d'incertitudes, en particulier la soi-disant « incertitude profonde » (« deep uncertainty » en anglais). Ce concept fait référence à des « inconnues inconnues », auxquelles les résultats de l'étude de scénarios ne conviennent pas. En effet, sous l'impact des incertitudes profondes, c'est-à-dire les disruptions, les trajectoires proposées par les études de scénarios peuvent devenir invalides : elles ne satisfont plus aux contraintes du scénario.Afin de rendre les trajectoires valides à nouveau après une disruption due à l'incertitude, la première possibilité est d'étudier la stratégie de résistance. La stratégie de résistance consiste à trouver des trajectoires qui restent valides sous l'impact de l'incertitude sans réajustements exogènes des trajectoires. Cependant, les capacités de résistance des scénarios sont limitées : la résistance n'est adaptée qu'aux incertitudes à faible impact, alors que l'impact d'une incertitude profonde est généralement fort.Comme solution complémentaire à la stratégie de résistance, nous proposons d'utiliser les stratégies de résilience. Les stratégies de résilience consistent à utiliser des mesures préconçues, appelées « leviers », pour réajuster la trajectoire lorsque la stratégie de résistance est insuffisante. Nous cherchons à utiliser l'effet des réajustements exogènes des trajectoires, qui sont introduits à travers les leviers, pour contrebalancer l'impact de la disruption et garder la trajectoire valide. Pour évaluer la résilience des scénarios, nous avons développé un cadre d'analyse de résilience, basé sur l'algorithme SUR (Stepwise Uncertainty Reduction).Nous avons appliqué la stratégie de résilience développée à deux problèmes de scénario dans lesquels un parc nucléaire français simplifié avec une réduction de puissance incertaine est considéré. Pour définir la validité des trajectoires, nous avons imposé cinq contraintes sur le taux d'utilisation des usines de retraitement, la séparation du plutonium, la teneur de plutonium dans le combustible MOX et le stockage du combustible usé. Dans chaque problème, nous avons donné une trajectoire préalable supposée à la suite d'une étude de scénarios avec une hypothèse pour maintenir la puissance installée constante à l’avenir. Nous avons supposé qu'à la suite de la disruption du contexte de l'étude, la puissance électrique totale est disruptée et réduite à l’avenir. Les résultats ont montré que les trajectoires préalables dans les deux problèmes sont résilientes vis-à-vis des disruptions supposées : il est possible de maintenir les trajectoires préalables valides en réajustant le retraitement et les charges de combustible MOX dans les réacteurs. Ces résultats démontrent que les évolutions du parc nucléaire dans les trajectoires préalables sont flexibles face à la disruption de la puissance électrique totale
Nuclear fuel cycle systems, composed of reactors, various fuels, and different cycle facilities, are complex and in constant evolution. Thanks to their abilities to make projections of industrial strategies and to assess the associated impacts on nuclear fuel cycle systems, nuclear fuel cycle scenarios are considered as a powerful tool for decision-making analyses. Scenario studies assist decision-makers in identifying the strengths and weaknesses of different strategies for a nuclear fleet evolution and then proposing possible evolution trajectories for the nuclear industry according to constraints from physics, economics, industry, etc.However, scenario studies are usually subject to different kinds of uncertainties, especially the so-called “deep uncertainty.” This concept refers to “unknown unknowns,” which scenario study results are unsuited to address. Indeed, under the impact of deep uncertainty, i.e., disruptions, the trajectories proposed by the scenario studies can become invalid: they do not satisfy the scenario constraints anymore.In order to make the trajectories valid again after disruption due to uncertainty, the first possibility is to study the resistance strategy. The resistance strategy consists of finding scenario trajectories that remain valid under the impact of uncertainty without exogenous readjustments of trajectories. However, the resistance capabilities of scenarios are limited: resistance is only adapted to uncertainties with small impact, while the impact of deep uncertainty is usually strong.As a complementary solution to the resistance strategy, we propose using resilience strategies. The resilience strategies consist of using predesigned measures, called “levers,” to readjust the scenario trajectory when the resistance strategy is insufficient. We aim to use the effect of the exogenous readjustments of trajectories, which are introduced through the levers, to counterbalance the impact of disruption and remain the trajectory valid. To evaluate the resilience of scenarios, we developed a resilience analysis framework, based on the start-of-the-art SUR (Stepwise Uncertainty Reduction) algorithm.We applied the developed resilience strategy to two scenario problems in which a simplified French nuclear fleet with uncertain power reduction is considered. To define the validity of trajectory, we imposed five constraints about the reprocessing plant utilization ratio, plutonium separation, plutonium content in MOX fuel, and spent fuel storage. In each problem, we gave a prior trajectory supposed as a result of a scenario study with a hypothesis to keep the installed power constant in the future. We assumed that following the disruption of the study context, the total electricity power is disrupted and reduced in the future. The results showed that the prior trajectories in both problems are resilient for the assumed disruptions: it is possible to keep the prior trajectories valid by readjusting the reprocessing and the MOX fuel loadings in reactors. Such results demonstrate the evolutions of the nuclear fleet in the prior trajectories are flexible in front of the disruption of total electricity power

L’objectif de la thèse est l’utilisation minimale de connaissances a priori pour engendrer des règles incertaines manipulant des données imprécises. Cet objectif a été testé via une structure multi-agents et appliqué à la reconnaissance de scénarii. Les travaux réalisés sont répartis sur trois axes : - Le premier concerne le raisonnement incertain en utilisant des données imprécises. La théorie de l’évidence et la logique bi-floue ont été utilisées pour modéliser ce raisonnement. – Le deuxième axe correspond aux systèmes classifieurs et à la programmation génétique utilisés dans le but d’engendrer les règles de reconnaissance. L’approche développée utilise la puissance offerte par la programmation génétique et la combine aux systèmes classifieurs. Un nouveau mécanisme d’apprentissage par renforcement a été proposé assurant l’utilisation de la théorie de l’évidence comme outil de raisonnement. – Le troisième axe concerne la coopération dans les systèmes multi-agents adaptatifs. Le rendement des systèmes classifieurs a été amélioré en introduisant une coopération explicite entre des agents classifieurs. Nous proposons également un nouvel opérateur de fusion de données basé sur la théorie de l’évidence et adapté aux types de données manipulées. L’approche développée a été appliquée à la reconnaissance des manœuvres automobiles. Dans ce sens, nous proposons une architecture multi-agents pour la reconnaissance et un découpage des manœuvres en plusieurs couches assurant leur reconnaissance avec un certain niveau de granularité
The objective of this thesis is to use minimal a priori knowledge in order to generate uncertain rules which manipulate imprecise data. The proposed architecture has been tested on a multi-agent system to recognize scenarios. The realized works are distributed into three axis: - The first one concerns uncertain reasoning with imprecise data. The evidence theory and intuitionistic fuzzy logic have been used to model such reasoning. – The second axis corresponds to classifier systems and genetic programming. The proposed approach use the power of genetic programming and combine it to classifier systems. A new learning mechanism based on evidence theory is introduced in order to use this theory as a support of reasoning. – The third axis concerns cooperation in adaptive multi-agents systems. Classifier systems have been improved by using an explicit cooperation between a number of classifier agents. We also propose a new data fusion operator based on evidence theory and adapted to the manipulated data. The developed system has been used to recognize car’s maneuvers. In fact, we have proposed a multi-agent architecture to make recognition. Maneuvers are decomposed into several layers in order to recognize them with a given granularity level

La Lixiviation In-Situ d’uranium, ou In-Situ Recovery (ISR), est basée sur la lixiviation directe des minéraux uranifères au coeur du gisement par une solution minière injectée. Les résultats des écoulements et des réactions chimiques dans le réservoir sont difficiles à prédire en raison des incertitudes géochimiques, pétrophysiques et géologiques. Les codes de simulation de transport réactif utilisés pour modéliser l’ISR sont particulièrement sensibles à la distribution spatiale des propriétés physiques et chimiques dans le dépôt. Ainsi, la modélisation géostatistique est utilisée pour représenter l’incertitude de la répartition spatiale des propriétés géologiques. On peut représenter cette incertitude par un grand nombre de réalisations du modèle géostatistique. La propagation directe des incertitudes géologiques est difficile à résoudre en contexte industriel en raison du temps CPU nécessaire pour effectuer une simulation de l’ISR. Les travaux réalisés dans cette thèse présentent différents moyens de propager l’incertitude géologique en incertitude sur la production d’uranium avec un coût en temps de calcul réduit. On utilise pour cela la méthode de réduction de scénarios, qui permet de propager parcimonieusement l’incertitude. Un sous-ensemble de simulations géostatistiques est sélectionné pour approximer la variabilité d’un ensemble plus large. La sélection est obtenue en utilisant un proxy de la simulation de transport réactif. La principale contribution de ce travail est la construction de différents proxys pour approximer la lixiviation de l’uranium. Ils permettent de reproduire la dissimilarité des réalisations en terme de production d’uranium. Ensuite, les simulations de l’ISR effectuées dans les réalisations géostatistiques sélectionnées donnent une approximation de la variabilité de production d’uranium de l’ensemble des réalisations. Cette approximation est enfin utilisée pour quantifier les incertitudes de la production d’uranium sur des cas réels. Finalement, la propagation de l’incertitude de production de l’échelle du bloc de production à l’échelle de la mine est développée. Par ailleurs, un travail exploratoire a été mené dans le but d’utiliser des modèles de substitution du solveur de la chimie pour accélérer les simulations de transport réactif
Uranium In Situ Recovery (ISR) is based on the direct leaching of the uranium ore in the deposit by a mining solution. Fluid flow and geochemical reaction in the reservoir are difficult to predict due to geological, petrophysical and geochemical uncertainties. The reactive transport simulation code used to model ISR is very sensitive to the spatial distribution of the physical and chemical properties of the deposit. Geostatistical models are used to represent the uncertainty of the spatial distribution of geological properties. The direct propagation of geological uncertainties by multiple ISR mining simulations is intractable in an industrial context. This work presents a way to propagate geological uncertainties into uranium production uncertainties at a reduced computational cost, thanks to a scenario reduction method. A subset of geostatistical simulations is built to approximate the variability of a larger set. The selection is obtained using a proxy of reactive transport simulation. The main contribution of this work is the development of different proxys to approximate the uranium leaching. They allow the discrimination of geostatistical realizations in terms of potential uranium production.Then, the ISR simulation carried out with the selected geostatistical realizations gives an approximation of the uranium production variability over the whole set of geostatistical simulations. This approximation is then used to quantify the uncertainties on the uranium production. The proposed approach is assessed on real case studies. Finally, the propagation of the uranium production uncertainty, assessed by the scenario reduction method, on mining operation planning is developped. Furthermore, an exploratory work about the use of statistical meta-models as chemistry solvers is also presented

En tant que géoscientifique dans le domaine de l’Exploration pétrolière et gazière depuis une vingtaine d’années, mes fonctions professionnelles m’ont permis d’effectuer différents travaux de recherche sur la thématique de la gestion des risques et des incertitudes. Ces travaux de recherche se situent sur l’ensemble de la chaîne d’analyse Exploration, traitant de problématiques liées à l’acquisition et au traitement sismique, jusqu’au placement optimal de forages d’exploration. Un volet plus poussé de mes travaux s’est orienté sur la gestion des incertitudes géophysiques en Exploration pétrolière, là où l’incertitude est la plus importante et paradoxalement la moins travaillée.On peut regrouper mes travaux de recherche en trois grands domaines qui suivent les grandes étapes du processus Exploration : le traitement sismique, leur interprétation, et enfin l'analyse et l'extraction des différentes incertitudes qui vont nous permettre de calculer les volumes d’hydrocarbures en place et récupérables, ainsi que l’analyse de ses risques associés. L’ensemble des travaux de recherche ont été appliqués avec succès sur des cas d’études opérationnelles. Après avoir introduit quelques notions générales et détaillé les grandes étapes du processus Exploration et leur lien direct avec ces problématiques, je présenterai quatre grands projets de recherche sur un cas d’étude algérien
In the last 20 years, I have been conducting various research projects focused on the management of risks and uncertainties in the petroleum exploration domain. The various research projects detailed in this thesis are dealing with problematics located throughout the whole Exploration and Production chain, from seismic acquisition and processing, until the optimal exploration to development wells placement. Focus is made on geophysical risks and uncertainties, where these problematics are the most pronounced and paradoxically the less worked in the industry. We can subdivide my research projects into tree main axes, which are following the hydrocarbon exploration process, namely: seismic processing, seismic interpretation thanks to the integration with various well informations, and eventually the analysis and extraction of key uncertainties, which will be the basis for the optimal calculation of in place and recoverable volumes, in addition to the associated risk analysis on a given target structure. The various research projects that are detailed in this thesis have been applied successfully on operational North Africa and North Sea projects. After introducing risks and uncertainty notions, we will detail the exploration process and the key links with these issues. I will then present four major research projects with their theoretical aspects and applied case study on an Algerian asset

There is growing acceptance in the design community that two types of uncertainty exist: inherent variability and uncertainty that results from a lack of knowledge, which variously is referred to as imprecision, incertitude, irreducible uncertainty, and epistemic uncertainty. There is much less agreement on the appropriate means for representing and computing with these types of uncertainty. Probability bounds analysis (PBA) is a method that represents uncertainty using upper and lower cumulative probability distributions. These structures, called probability boxes or just p-boxes, capture both variability and imprecision. PBA includes algorithms for efficiently computing with these structures under certain conditions. This paper explores the advantages and limitations of PBA in comparison to traditional decision analysis with sensitivity analysis in the context of environmentally benign design and manufacture. The example of the selection of an oil filter involves multiple objectives and multiple uncertain parameters. These parameters are known with varying levels of uncertainty, and different assumptions about the dependencies between variables are made. As such, the example problem provides a rich context for exploring the applicability of PBA and sensitivity analysis to making engineering decisions under uncertainty. The results reveal specific advantages and limitations of both methods. The appropriate choice of an analysis depends on the exact decision scenario.