• Aucun résultat trouvé

Intégration du MTK avec les plate-formes de modélisation

N/A
N/A
Protected

Academic year: 2021

Partager "Intégration du MTK avec les plate-formes de modélisation"

Copied!
18
0
0

Texte intégral

(1)

HAL Id: hal-02794201

https://hal.inrae.fr/hal-02794201

Submitted on 5 Jun 2020

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Intégration du MTK avec les plate-formes de modélisation

Juhui Wang, Hervé Monod, Robert Faivre

To cite this version:

Juhui Wang, Hervé Monod, Robert Faivre. Intégration du MTK avec les plate-formes de modélisation.

Rencontre avec CATI-IUMA du department EA, Mar 2015, Montpellier, France. 17 diapo. �hal-

02794201�

(2)

Intégratiopn du MTK avec Intégratiopn du MTK avec

les plate-formes de les plate-formes de

modélisation

modélisation

(3)

Plan Plan

Contexte de travail

Le package « mtk » : son architecture et ses fonctionnalités

Exemples d'utilisation

Modèle natif

Modèle simple programmé en R

Modèle complexe programmé en R

Spécification du workflow via un fichier XML

Extension par des addons

(4)

Méthodes et logiciels : abondants, divers et variés.

Sensitivity (G. Pujol et al.), Planor (H. Monod et al.), PLMM (R. Faivre et al.), SimLab (A. Saltelli et al.), OpenTurns (EDF R&D et al.), LHS ( R. Carnell),

DiceDesign (J. Franco et al.), Promethee (Y. Richet et al.)

Difficultés :

– Démarches différentes

– Syntaxe d'utilisation différente – Difficulté d'utilisation

– Difficulté de comparaison – Difficulté de choix

But : une plate-forme générique pour unifier les démarches et les méthodes existantes ou à venir

Contexte du travail

Contexte du travail

(5)

Objectifs Objectifs

Généricité :

- Encapsulation des méthodes existantes.

Facilité :

- Syntaxes unifiées (présentation des méthodes et organisation du travail).

Extensibilité :

- Intégration des nouvelles méthodes réalisées en R.

Interopérabilité :

- Intégration transparente avec les plates-formes existantes

(6)

Méthode

Méthode de travail de travail

 Décomposer les méthodes en tâches atomiques qui peuvent être standardisées et réutilisées.

 Considérer les méthodes comme des combinaisons des tâches élémentaires.

 Coordonner les tâches au moyen d'un workflow.

(7)

Lignes conductrices du mtk : Simplicité Lignes conductrices du mtk : Simplicité

Enchaînement LINEAIRE des tâches élémentaire a) Génération des plans (design)

b) Simulation de modèle (evaluate)

c) Calcule des indices de sensibilité (analyze) d) Génération des rapports (reporting)

e) Choix des facteurs

Démarche en 4 étapes

1. Spécifier les facteurs

2. Spécifier les processus de traitement

3. Rassembler les processus au sein d'un workflow

4. Lancer les traitements et générer les rapports

(8)

Lignes conductrices du mtk : Lignes conductrices du mtk :

Standardisation Standardisation

Présentation uniformisée des méthodes et des données

- La méthode ''Xxx '' pour la tâche 'design' mtkXxxDesigner(listParameters=list()) - La méthode « Yyy » pour la tâche ' analyze' mtkYyyAnalyser(listParameters=list())

- Le simulateur du modèle « Zzz » pour la tâche 'evaluate' mtkYyyEvaluator(listParameters=list())

Règles de nommage explicites

- mtkMorrisDesigner(listParameters=list())

- mtkRegreassionAnalyser(listParameters=list())

- mtkPLMMAnalyser(listParameters=list())

- mtkMultisensiAnalyserr(listParameters=list())

- mtkDefaultAnalyser(listParameters=list())

- mtkWeedEvaluator(listParameters=list())

- mtkrvleEvaluator(listParameters=list())

- mtkNativeEvaluator(listParameters=list())

- mtkSystemEvaluator(listParameters=list())

(9)

Architecture « mtk »

Architecture « mtk »

(10)

Conception (3)

Conception (3)

(11)

MTK en pratique MTK en pratique

Spécifier les facteurs et leurs incertitudes

 Spécifier les processus participants

 Définir le workflow

 Lancer le workflow et récupérer les résultats.

(12)

MTK en pratique (Modèle Ishigami) MTK en pratique (Modèle Ishigami)

Y = sin(x1)+7 sin^2(x2) +0.1 sin(x1) (x3)^4

Ici, x1, x2, x3 sont des facteurs variant uniformément

dans l'intervalle [-pi, +pi]

(13)

Spécifier les facteurs pour le modèle Ishigami

x1 <- make.mtkFactor(name="x1", distribName="unif", distribPara=list(min=-pi, max=pi))

x2 <- make.mtkFactor(name="x2", distribName="unif", distribPara=list(min=-pi, max=pi))

x3 <- make.mtkFactor(name="x3", distribName="unif", distribPara=list(min=-pi, max=pi))

ishi.factors <- mtkExpFactors(list(x1,x2,x3))

Spécifier les processus qui réalisent les traitements

c <- mtkBasicMonteCarloDesigner(

listParameters = list(size=20)) s <- mtkIshigamiEvaluator()

a <- mtkRegressionAnalyser(

listParameters = list(nboot=20) )

(14)

Construire le workflow

exp <- mtkExpWorkflow( expFactors = ishi.factors,

ProcessesVector = c(design=c, evaluate = s, analyze=a))

Exécuter le workflow et reporter les résultat

run(exp)

summary(exp)

(15)

MTK en pratique :

MTK en pratique : piloter à partir d'un fichier XML piloter à partir d'un fichier XML

Construire le workflow à partir du fichier XML

exp1 <- mtkExpWorkflow(xmlFilePath = "morris.xml")

Exécuter le workflow et reporter les résultats run(exp1)

plot(exp1)

(16)

Contributions au package « mtk » Contributions au package « mtk »

Le package « mtk » dispose des outils qui permettent de

transformer des nouvelles méthodes programmées par des tiers en des classes « mtk compliant ».

• mtk.designerAddons()

• mtk.evaluatorAddons()

• mtk.analyserAddons()

Intégration de nouvelles méthodes :

mtk.analyserAddons(where="plmm_V2.R", authors="R.

Faivre, MIA-Toulouse", name="Plmm", main="plmm", plot="plot.plmm", summary="summary.plmm")

s <- mtkPlmmAnalyser( )

Exemple d'intégration d'un modèle externe dans « mtk »

mtk.evaluatorAddons(where="WeedModel_v2.R",

authors="D. Makowski (2012)", name="Weed", main="weed.simule")

weed.exp <- mtkWeedEvaluator(listParameters =

list(decision=1))

(17)

Conclusions et Perspectives Conclusions et Perspectives

« mtk » fait partie des outils pour l'exploration numérique des modèles

– Centré sur l'analyse de sensibilité.

– Réalisé selon la norme S4 – Générique et extensible

Travail à faire

– Développer des nouvelles interfaces pour l'utlisation interactive – Faire un bilan des méthodes existantes et les intégrer au MTK – Gestion générique des modèles non-R et des méthodes non-R – Intégration des technologies de Web Computing et HPC

Interface Web Services

– MTK et travaux de modélisation au sein de l'équipe

(18)

Remerciement Remerciement

Membres principaux :

Juhui WANG, Hervé MONOD, INRA - Jouy en Josas

Robert FAIVRE, INRA – Toulouse

Hervé RICHARD, INRA – Avignon

Contributeurs :

IRSTEA, IFREMER, CIRAD, INRA,

UNIVERSITÉ DU LITTORAL, CODE LUTIN.

Références

Documents relatifs

La section 3 pré- sente TurtleKit et le modèle de simulation multi- agent que nous avons utilisé pour tester l’in- tégration de modules GPU dans la future ver- sion 3 de

L’id´ ee de cet article est d’essayer d’autres m´ ethodes de r´ egression non param´ etriques pour le “scoring” et de v´ erifier leur efficacit´ e ´ egalement en terme

Assembler la diversité des modèles classiques et “deep learning” pour développer un pipeline de calibration SPIR performant et générique.. Rencontres HélioSPIR Session

Enfin, et paradoxalement 6 , le modèle de données sous-jacent à la mise en œuvre de la terminologie textuelle (la Base de Connaissances Terminologique, [CON 03] est

Dans ce chapitre, nous avons pr´ esent´ e deux algorithmes efficaces bas´ es sur la programma- tion DC et DCA pour le probl` eme de d´ etermination des prix de transfert et des

Nous pr´ esentons dans ce chapitre la th´ eorie math´ ematique et num´ erique de la viabilit´ e concernant l’´ etude de syst` emes dynamiques contrˆ ol´ es soumis ` a un ensemble

Tout d’abord le produit physique n’est plus qu’un élément de l’offre des entreprises, soit il incorpore de multiples attributs immatériels qui lui donnent sa

 Décomposition normalisée de processus de l'exploration numérique des modèles Choix des facteurs -&gt; Génération des plans -&gt; Simulation de modèle -&gt;. – --&gt;