Process-based modelling in bioscience engineering

Enseignants

Hanert Emmanuel;

Langue
d'enseignement

Anglais
> Facilités pour suivre le cours en français

Préalables

Cours de base en mathématiques (LMAT1111, LBIR1200) et connaissances de bases du logiciel de calcul Matlab (LBIR1204, LBIR1305).

Thèmes abordés

Ce cours permettra à l'étudiant de développer une connaissance approfondie des différentes démarches de modélisation et de maîtriser plusieurs outils de simulation. L'étudiant sera capable de mettre en 'uvre une démarche complète de simulation opérationnelle de manière à anticiper des situations à venir. Il prendra en compte la propagation des erreurs et des incertitudes dans le modèle de manière à apprécier et à gérer le risque associé à une décision.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	a.     Contribution de l'activité au référentiel AA (AA du programme) 1.2 2.1, 2.2, 2.3, 2.4 3.1, 3.2, 3.3, 3.4 6.1, 6.2, 6.3, 6.5, 6.8 Au terme du cours LBRTI2102, l'étudiant sera capable de : 1.     Nommer, décrire et expliquer les concepts théoriques relatifs à l'approche mécanistique pour l'analyse et la modélisation de processus environnementaux ; 2.     Expliquer les concepts mathématiques et manipuler les outils informatiques permettant la modélisation spatio-temporelle de tels processus ; 3.     Activer et mobiliser ces concepts et outils de manière opérationnelle en vue de modéliser les processus gouvernant un système environnemental réaliste, dans le cadre d'un projet individuel ; 4.     Justifier et défendre les choix méthodologiques qui ont été faits pour l'analyse complète du cas d'étude, en intégrant dans la discussion les concepts théoriques sous-jacents présentés lors du cours et illustrés lors des travaux pratiques ; 5.   Rédiger un rapport concis, argumenté sur base des résultats et judicieusement illustré à l'aide de graphiques et de tableaux, en utilisant le vocabulaire scientifique précis et adéquat

Contenu

Le cours abordera les éléments suivants, notamment à travers la présentation détaillée d'exemples réalisés à l'aide de Python :

1. Modélisation mathématique en écologie : Modèle logistique - Modèles proie-prédateur et système de Lotka-Volterra à plusieurs espèces.
2. Modélisation mathématique en épidémiologie des maladies infectieuses: Modèles à compartiments - Dynamique populationnelle (épidémies, états endémiques) - Coefficient de reproduction de base (R0).
3. Modèles de transport en 1D et 2D et étude de la discrétisation numérique des processus d'advection, diffusion et réaction.
4. Application des modèles précités en écologie, épidémiologie, hydrodynamique.
5. Etude de modèle d'automates cellulaires et leur application à la modélisation d'épidémies et d'invasion d'espèces végétales.

Méthodes d'enseignement

L'enseignement est dispensé sous forme d'exposés magistraux incluant des exemples concrets. Des séances d'exercice sur ordinateur encadrée par un assistant sont également prévues afin de permettre aux étudiants de mettre en pratique les concepts vus durant les exposés magistraux.

Modes d'évaluation
des acquis des étudiants

Rapport individuel sur un travail personnel à soumettre en fin de quadrimestre (ou pour le 15 août si examen durant la session d'août) et examen oral en session.

Autres infos

Les notes de cours sont rédigées en anglais. Les exposés sont donnés anglais.

Ressources
en ligne

Site moodle du cours avec les supports de cours et de nombreux scripts Python.

Bibliographie

All the lecture notes and the Python scripts used during the lectures are made available on Moodle.
There is a list with recommended books and scientific papers on Moodle

Faculté ou entité
en charge

> AGRO