Stage en sciences des données - Analyses de séries temporelles DAS (F/H)

BRGM; Centre-Val de Loire; On-site; EUR 10,000 - 13,000; Full time

Benefits offered by this job

Indemnité de stage

Rapport et valorisation scientifique

Job summary

BRGM propose un stage en sciences des données axé sur l’analyse de séries temporelles DAS. Le candidat travaillera sur le débruitage et la séparation des composantes réversibles et irréversibles des signaux DAS issus de câbles à fibre optique, dans le cadre du projet SITcomOptics.

Ce stage de 6 mois s’adresse à un étudiant de Master 2 ou école d'ingénieur, avec une solide pratique de Python (NumPy, Pandas, Matplotlib) et des outils ML (scikit-learn, PyTorch).

Qualifications

• Stage en sciences des données pour analyses de séries temporelles DAS.
• Maîtrise des outils Python pour le traitement et la visualisation des données.
• Bonne capacité à travailler en équipe et à communiquer des résultats scientifiques.

Responsibilities

• Développer des méthodes de débruitage et de séparation des éléments réversibles et irréversibles dans des séries DAS.
• Tester et valider les modèles sur données réelles et synthétiques, en collaboration avec les partenaires du projet.

Skills

Python

NumPy

Pandas

Matplotlib

scikit-learn

PyTorch

Education

Master 2 ou école d'ingénieur

Tools

Jupyter

Git

Job description

Identifiant (email, de type [e-mail])

Mots clés (ex : ingénieur commercial Paris)

Stage en sciences des données - Analyses de séries temporelles DAS (F/H)

Description du poste

Métier

F11 Géotechnique - Ingénieur·e / Chercheur·e

Intitulé du poste

Stage en sciences des données - Analyses de séries temporelles DAS (F/H)

Temps de travail

Durée du contrat

6 mois

Rejoindre le Bureau de Recherche Géologique et Minière (BRGM, c'est intégrer l'établissement public de référence dans les sciences de la Terre rassemblant 1000 personnes expertes et passionnées, réparties dans 29 entités implantées en Hexagone et en Outre-Mer. L'activité du BRGM a pour objectif la connaissance géologique et la compréhension des phénomènes liés au sol et au sous-sol, avec un enjeu : répondre aux défis des changements environnementaux à travers des projets innovants, à enjeux sociétaux. Le BRGM recherche pour sa Direction des Risques - unité Risques Sismiques et Volcaniques - un·e stagiaire pour renforcer son expertise dans l'analyse de séries temporelles d'attributs sismiques, en particulier des fréquences de résonance du sol (f0), issues de données de sismique acoustique distribuée (DAS) acquises sur les câbles à fibre optique de télécommunication déjà existants le long des voies ferrées; et ceci dans le but de caractériser et prévenir le risque d'effondrement souterrain sous ces grandes infrastructures de transport (projet ANR SITcomOptics AAPG 2023-2027 piloté par le BRGM, en partenariat avec la SNCF RESEAU).

Description de la mission

Le suivi temporel long-terme (annuel) des propriétés géomécaniques du sous-sol par mesures DAS sur des câbles à fibres optiques de télécommunication déjà existant est une approche prometteuse pour prévenir les risques d'effondrement du sous-sol le long des grandes infrastructures de transports, en particulier les voies ferrées. Au passage des trains, des attributs sismiques caractéristiques de la proche surface peuvent être extraits des données DAS et suivis dans le temps et le long de la fibre. Un observable issu de ces attributs est la fréquence de résonance du sol (f0), sensible à la structure de vitesse des ondes de cisaillement (Vs) de la proche surface, dont on dispose aujourd'hui de chroniques sur plusieurs sites d'intérêt dans des contextes variés (Grand et al., 2026). Le défi principal est double :
- les variations de ces attributs reliées aux processus d'effondrements (ccomposantes dite « irreversible ») sont largements inférieures aux variations saisonnières reliées aux processus environnementaux (hydrogéologie, T°C, composantes dites « reversibles »). Il est donc nécessaire de séparer la composante irréversible des composantes réversibles.
- Le niveau de bruit intrinsèque des données issues des fibres telecom est élevé par rapport à celui issu de capteurs conventionnels (sismomètre, géophone), ce qui complique la détection de signaux faibles.
Le stage visera donc à développer des approches adaptées de débruitage et de séparation des composantes réversibles et irréversibles dans des séries temporelles bruitées. Plus précisément, il s'agira de :
1. Développer une méthode de débruitage qui améliore la qualité des séries temporelles tout en préservant la faible composante irréversible recherchée
2. Modéliser finement la composante réversible en la conditionnant par les covariables environnementales, définir des plages de variation « normales » (baseline) et concevoir une méthodologie d'identification d'écarts anormaux ; la séparation d'une éventuelle composante irréversible sera abordée sur données réelles et/ou synthétiques.
Les travaux s'appuieront sur un panel de méthodes modernes :

• décomposition et débruitage robustes de séries temporelles (STL, VMD/EMD, ondelettes) pour traiter le caractère non-stationnaire des signaux ;
• régression conditionnée par les covariables environnementales (température, piézométrie, précipitations) pour modéliser et soustraire la composante réversible
• à titre exploratoire et comparatif, approches d'apprentissage profond adaptées aux séries temporelles (modèles de diffusion 1D, architectures de type Transformer à décomposition intrinsèque)

Les développements s'appuieront sur des chroniques de fréquences de résonance (f0) d'environ un à deux ans, calculées quotidiennement par SNCF RESEAU sur trois sites répartis le long d'une vingtaine de kilomètres de fibre optique de télécommunication opéré par SNCF RESEAU. L'intégration de données environnementales (piézométrie, température)

Le stage s'adresse à un·e étudiant·e de niveau Master 2 ou école d'ingénieur disposant d'une solide pratique de la programmation scientifique en Python, notamment avec les bibliothèques usuelles pour la manipulation et la visualisation de données (NumPy, Pandas, Matplotlib) ainsi que pour l'apprentissage automatique et profond (scikit-learn, PyTorch). Une familiarité avec le traitement du signal et la décomposition de séries temporelles (filtrage, ondelettes, décompositions temps-fréquence, désaisonnalisation, régression) constituerait un atout pour traiter les séries temporelles issues des mesures DAS. Le ou la stagiaire devra également être à l'aise avec la gestion et l'intégration de données hétérogènes (séries sismiques, variables environnementales) et travailler en interaction étroite avec des ingénieurs géophysiciens et des partenaires du projet ANR SITcomOptics (BRGM, SNCF Réseau). Dans ce contexte, de bonnes compétences en communication scientifique — tant pour la rédaction de rapports que pour la présentation orale des résultats — seront nécessaires pour assurer la valorisation des travaux.

Spécificité du poste

Stage de fin d'études
Niveau d'études requis : M2
Durée du stage : 6 mois
Période du stage : 1er semestre 2027

Localisation du poste

Localisation du poste

France, Centre-Val de Loire, Loiret (45)