Pollution Forecasting

Projet mené dans le cadre d’un contrat de professionnalisation en tant que Data Scientist - Environmental Intelligence chez Numtech, société spécialisée en modélisation atmosphérique.

L’objectif était de renforcer les outils de prévision environnementale en simulant des capteurs, en modélisant la pollution et en mesurant les impacts sur la qualité de l’air et la santé.

❓ Problématique

Les villes et zones industrielles font face à une pollution diffuse difficile à détecter et modéliser. Les systèmes traditionnels sont coûteux ou peu adaptables.
Il fallait concevoir un dispositif prédictif fiable et flexible, incluant :

• des capteurs simulés,

• des algorithmes d’analyse de signaux olfactifs,

• et des modèles de prédiction de concentrations.

🛠️ Solution mise en œuvre

• Émulation de capteurs pour simuler des environnements de pollution réelle.

• Traitement de signaux olfactifs : lissage, nettoyage avancé, filtrage.

• Modèles de régression pour estimer la concentration de polluants et d’odeurs.

• Veille technologique sur les systèmes de surveillance continue.

• Analyse statistique et data visualisation des résultats (courbes, cartes, séries).

• Documentation scientifique vulgarisée à destination des clients publics/privés.

• Ateliers réguliers avec les parties prenantes pour ajuster les besoins métiers

⚙️ Stack technique

• Langages : Python · R · Shell (Linux)

• Librairies ML / stats : scikit-learn · keras · tensorflow · xgboost · statsmodels

• Visualisation : plotly · seaborn · matplotlib

• IDE / Environnements : VS Code · Jupyter · Linux · PuTTY

• Données : météo, capteurs, polluants, séries temporelles

• Langue de travail : français / anglais