Équipe
STIM
Biographie
Nicolas Desassis est un chercheur spécialisé en géostatistique et modélisation spatiale, avec une expertise marquée dans le développement de méthodes statistiques avancées pour l’analyse et la simulation de phénomènes géologiques et environnementaux. Ses travaux portent notamment sur l’application des équations différentielles stochastiques partielles (SPDE) pour la modélisation de champs aléatoires gaussiens, ainsi que sur l’intégration de l’apprentissage profond (réseaux de neurones génératifs, GANs) pour améliorer la gestion des incertitudes dans les modèles géologiques. Ses recherches couvrent également des problématiques liées à la non-stationnarité des données spatiales, à la simulation conditionnelle de réservoirs géologiques, et à l’optimisation des méthodes de krigeage pour des jeux de données complexes. Son approche combine rigueur mathématique et applications pratiques, notamment dans les domaines de l’hydrogéologie, de la sismique, et de la caractérisation des ressources naturelles.
Publication(s)
-
2025
Kriging Alluvial Thicknesses in Valley Bottoms Using Nonstationary Geometric Anisotropies DOI : 10.1007/s11004-025-10200-w
-
2025
Two-Dimensional Stochastic Structural Geomodeling with Deep Generative Adversarial Networks DOI : 10.1007/s11004-025-10188-3
-
2024
A stable deep adversarial learning approach for geological facies generation DOI : 10.1016/j.cageo.2024.105638
-
2024
The SPDE approach for spatio-temporal datasets with advection and diffusion DOI : 10.1016/j.spasta.2024.100847
-
2024
Deep Generative Models for Stochastic Seismic Imaging and Uncertainty Quantification
-
2022
First Steps in the Application of Physics-Informed Neural Networks to Full Waveform Inversion
-
2022
Geostatistics for Large Datasets on Riemannian Manifolds: A Matrix-Free Approach DOI : 10.6339/22-JDS1075
-
2021
A general framework for SPDE-based stationary random fields DOI : 10.3150/20-BEJ1317
-
2020
Analysing Temporal Variability in Spatial Distributions Using Min–Max Autocorrelation Factors: Sardine Eggs in the Bay of Biscay DOI : 10.1007/s11004-019-09845-1
- 2020
-
2019
Technical note: Water table mapping accounting for river-aquifer connectivity and human pressure DOI : 10.5194/hess-23-4835-2019
-
2019
Efficient simulation of Gaussian Markov random fields by Chebyshev polynomial approximation DOI : 10.1016/j.spasta.2019.100359
-
2019
Inference of plurigaussian model parameters in SPDE framework DOI : 10.3997/2214-4609.201902171
-
2019
Plurigaussian simulations with the stochastic partial differential equation (SPDE) approach DOI : 10.3997/2214-4609.201902174
-
2019
Geostatistical filtering of noisy seismic data using Stochastic Partial Differential Equations (SPDE) DOI : 10.3997/2214-4609.201902264
-
2018
Fifty years of kriging DOI : 10.1007/978-3-319-78999-6_29
-
2017
Uncertainty estimation by probabilistic first arrival time tomography using Markov Chain Monte Carlo sampling DOI : 10.3997/2214-4609.201701694
-
2016
A generalized convolution model and estimation for non-stationary random functions DOI : 10.1016/j.spasta.2016.01.002
-
2015
Estimation of space deformation model for non-stationary random functions DOI : 10.1016/j.spasta.2015.05.001
-
2015
Propagation of the velocity model uncertainties to the seismic event location DOI : 10.1093/gji/ggu374
-
2014
An automated MCEM algorithm for hierarchical models with multivariate and multitype response variables DOI : 10.1080/03610926.2012.700372
-
2013
Microseismic monitoring - Consequences of velocity model uncertainties on event location uncertainties DOI : 10.3997/2214-4609.20131027
-
2013
Automatic Variogram Modeling by Iterative Least Squares: Univariate and Multivariate Cases DOI : 10.1007/s11004-012-9434-1
-
2011
Microseismic monitoring: Consequences of velocity model uncertainties on location uncertainties
-
2010
Aggregation patterns in hierarchy/proximity spaces DOI : 10.1016/j.ecocom.2009.03.012
-
2009
Inference with a contrast-based posterior distribution and application in spatial statistics DOI : 10.1016/j.stamet.2009.03.003
-
2008
Pollen flow in the wildservice tree, Sorbus torminalis (L.) Crantz. IV. Whole interindividual variance of male fecundity estimated jointly with the dispersal kernel DOI : 10.1111/j.1365-294X.2008.03809.x
-
2007
Model-based estimation of the link between the daily survival probability and a time-varying covariate, application to mosquitofish survival data DOI : 10.1016/j.mbs.2007.06.005
Enseignements
Problèmes inverses
Introduction: origine des problèmes inverses Etude des problèmes linéaires: conditionnement, moindres carrés, décomposition en valeurs singulières Pourquoi il y a du bruit dans les mesures: exemple du capteur CCD Régularisation: méthode de Tikhonov, LASSO. Problèmes d'optimisation et algorithmes associés. Problèmes régis par une équation différentielle: méthode de l'état adjoint pour le calcul de gradient Statistiques: point de vue bayésien. Estimation a-posteriori, estimateur des moindres carrés. Utilisation des réseaux de neurones: cadre des méthodes Plug and Play Chaque demi-journée comportera 1 séance de cours, et une séance de TD ou de TP.
Géostatistique
introduction générale et introduction au logiciel R (www.r-project.org) modèles de fonctions aléatoires inférence prédiction (krigeage et simulations) modélisation spatio-temporelle
Direction(s) de thèse(s)
- 2025 Génération automatique d'animations visuelles à partir de sources musicales BUGUET Romain
- 2025 Méthodes efficaces pour l'estimation de modèles spatio-temporels LORET Alexandre
- 2022 Géomodélisation structurale stochastique en deux dimensions à l’aide de réseaux antagonistes génératifs profonds GARAYT Charlie
- 2022 Impact des modèles génératives profonds pour la résolution de problèmes inverses non-linéaires : application à l'imagerie sismique XIE Yuke
- 2021 Modèles Génératifs Profonds pour la Simulation Spatiale Conditionnelle BHAVSAR Ferdinand
- 2020 Apprentissage automatique et respect des lois physiques : application à l’imagerie sismique DE SOUZA Léo
- 2020 Prédiction spatio-temporelle par équations aux dérivées partielles stochastiques CLAROTTO Lucia
- 2016 Champs aléatoires généralisés définis sur des variétés riemanniennes: théorie et pratique PEREIRA Mike
- 2015 Développement de modèles géostatistiques à l’aide d’équations aux dérivées partielles stochastiques CARRIZO VERGARA Ricardo