Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Membre a labase
Ambre Dupuis : Polytechnique Montréal
Dans un contexte de demande alimentaire croissante et de raréfaction des ressources naturelles, le développement d'une agriculture plus durable est impératif. L'agriculture durable vise à limiter l'impact environnemental des activités agricoles sur le sol, l'eau et l'empreinte carbone tout en maintenant les rendements des cultures et les avantages économiques pour les producteurs. La rotation des cultures est un outil précieux de l'agriculture durable, mais cette technique doit être couplée de manière appropriée à des plans de fertilisation durable pour optimiser les cultures.
Pour ce faire, il est nécessaire de prévoir les rotations de cultures envisagées à moyen terme et de pouvoir évaluer chaque scénario en fonction des critères économiques et environnementaux considérés par le producteur.
La méthodologie proposée utilise des réseaux neuronaux récurrents (RNN) pour prédire les scénarios les plus probables de rotations de cultures à exploiter dans un champ au cours des prochaines années en fonction des habitudes culturales, du contexte économique et météorologique. La méthodologie a été appliquée au problème de la prédiction de la rotation des cultures pour des exploitations de grandes cultures au Québec, conduisant à une prédiction réussie de plus de 81% des trois prochaines cultures cultivées dans un champ.
Dans le contexte actuel, avec la rareté de la main d’œuvre et le vieillissement de la population, il est nécessaire de se tourner vers la science des données pour soutenir la productivité de divers secteurs d’activités. En même temps, il est crucial de considérer la rareté des ressources et la protection de l’environnement avec une mission de développement durable.
Ces deux objectifs ne sont pas opposés et le présent colloque vise à montrer les méthodes, outils et solutions mises en œuvre dans des situations réelles d’entreprises québécoises.
Les différents aspects de la science des données en contexte industriels peuvent être abordés, que ce soit la collecte des données, la préparation des données, le développement d'outils d'aide à la décision ou leur mise en œuvre en situation réelle.
Les domaines d’application peuvent être variés, notamment la production agricole, la transformation agroalimentaire, la production manufacturière, la logistique, la production d'énergie ... Les contextes présentés doivent systématiquement soutenir le développement durable au Québec.
Titre du colloque :