Laboratoire Eau Environnement et Systèmes Urbains (Leesu)

Recent publications

--> Url version détaillée , Url version formatée Structure name contains or id is : "409065;155441;135971;102266;212248;578082", Publication type : "('ART')"
937.
titre
Position paper: Common mistakes and solutions for a better use of correlation- and regression-based approaches in environmental sciences
auteur
Damien Tedoldi, Boram Kim, Santiago Sandoval, Nicolas Forquet, Bruno Tassin
article
, 2025, 192, pp.106526. ⟨10.1016/j.envsoft.2025.106526⟩
titre
Do suspended particles matter for wastewater-based epidemiology?
auteur
Gauthier Bernier-Turpin, Régis Moilleron, Chloé Cenik, Fabrice Alliot, Sabrina Guérin-Rechdaoui, Thomas Thiebault
article
, In press, 280, pp.123543. ⟨10.1016/j.watres.2025.123543⟩
titre
The effect of the mineral matrix during thermal analysis of polymers:Implications for microplastics characterization
auteur
Clémentine Ricard, François Baudin, Maria-Fernanda Romero-Sarmiento, Nicolas Bouton, Yoann Copard, Lucas Friceau, Victor Lieunard, Wolfgang Ludwig, Sébastien Rohais
article
, 2025, pp.107219. ⟨10.1016/j.jaap.2025.107219⟩
titre
Plastic debris dataset on the Seine riverbanks: up to 38 000 pre-production plastic pellets reported per square meter
auteur
Romain Tramoy, Laurent Colasse, Johnny Gasperi, Bruno Tassin
article
, 2025, pp.111735. ⟨10.1016/j.dib.2025.111735⟩
titre
La persistance des champs d’épandage d’eaux usées de l’agglomération parisienne au cours du second XXe siècle
auteur
Etienne Dufour
article
, 2025, ⟨10.56698/metropolitiques.2174⟩

Supervisory authorities

Member of

Offre de stage M2 au Leesu en 2021 - Modélisation des eaux usées

by Daniel Thevenot - published on , updated on

Offre de stage de recherche M2 en 2021 au Leesu, Lama et Siaap sur la modélisation et prévision de la qualité des eaux usées en entrée d’une station d’épuration - Possibilité de poursuite en thèse à partir de septembre 2021

Contexte général du stage

Ce stage se déroulera entre le Lama (Laboratoire d’Analyse et de Mathématiques Appliquées) et le Leesu (Laboratoire Eau Environnement et Systèmes Urbains), en collaboration avec le SIAAP (Syndicat Interdépartemental pour l’Assainissement de l’Agglomération Parisienne). Il s’agit de développer des outils statistiques de prévisions de qualité des eaux usées en entrée de station d’épuration afin de construire des outils d’aide à la décision en ligne pour adapter les traitements des eaux usées plus rapidement.

Ce stage s’inscrit au sein de deux projets co-financeurs :

Objectifs attendus

A partir d’un historique de données de capteurs à 15 minutes d’intervalle sur plusieurs années de différentes mesures telles que le débit, les matières en suspension, le pH, la température ou la conductivité, à l’entrée d’une station d’épuration (La Frète, Seine-Aval), le stagiaire devra mener une analyse statistique de ces données pour estimer les tendances, les saisonnalités, les corrélations et la dynamique des séries résiduelles afin de trouver un modèle capable de faire des prévisions à horizon une journée. Des données supplémentaires provenant des réseaux et d’autres stations pourront ensuite être incorporées et analysées pour déterminer leur pouvoir prédictif. Le stage (rémunéré) se poursuivra par une thèse (dont le financement est assuré) pour affiner le travail précédent en termes de précision et construire à l’aide de techniques de l’apprentissage statistique (machine learning) un outil d’aide à la décision en ligne pour les exploitants des stations d’épuration.

Profil recherché

Étudiant(e) en Master 2 ou 3ème année d’école d’ingénieur en Mathématiques Appliquées disposant des qualités suivantes :

  • Bonne connaissance en analyse de données et séries temporelles.
  • Bonne connaissance des logiciels pour l’analyse de données (Python/R).
  • Des connaissances en «machine learning» seront considérées comme un avantage.

Informations pratiques

Pour postuler

Envoyez un CV à jour, un relevé de notes de votre dernière année d’étude et une lettre de motivation à Sophie Laruelle

Offre de stage