 | Monter d'un niveau |
Dany LauzonDépartement des génies civil, géologique et des mines
Voir sa fiche dans le Répertoire des Expertises de Polytechnique Montréal
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Lauzon, D., Straubhaar, J., & Renard, P. (2025). A Deep Generative Model for the Simulation of Discrete Karst Networks. Earth and Space Science, 12(10). Lien externe
Liang, X. X., Gloaguen, E., Claprood, M., Paradis, D., & Lauzon, D. (2025). Graph Neural Network Framework for Spatiotemporal Groundwater Level Forecasting. Mathematical Geosciences, 23 pages. Lien externe
Lauzon, D., Hörning, S., & Bárdossy, A. (avril 2025). A novel framework for stochastic simulation of multivariate non-gaussian random fields in environmental and geological studies [Résumé]. EGU General Assembly 2025, Vienna, Austria (2 pages). Disponible
Hoerning, S., Lauzon, D., & Bárdossy, A. (avril 2025). Spectral methods for non-linear co-regionalization [Résumé]. EGU General Assembly 2025, Vienna, Austria (1 page). Disponible
Lauzon, D., & Hörning, S. (2025). Efficient computation on large regular grids of higher-order spatial statistics via fast fourier transform. Computers & Geosciences, 105878 (38 pages). Lien externe
Lauzon, D., & Gloaguen, E. (2024). Quantifying uncertainty and improving prospectivity mapping in mineral belts using transfer learning and Random Forest: A case study of copper mineralization in the Superior Craton Province, Quebec, Canada. Ore Geology Reviews, 166, 105918 (16 pages). Disponible
Lauzon, D. (juin 2024). Deep neural networks in surrogate hydrogeological modeling : an application for transient groundwater flow combined with a geostatistical spectral algorithm for inverse problem-solving [Résumé]. 15th International Conference on Geostatistics for Environmental Applications (GeoEnv 2024), Chania, Greece. Disponible
Straubhaar, J., Lauzon, D., & Renard, P. (juillet 2024). Graph recurrent neural networks for stochastic simulation of Karst network topology and properties [Résumé]. 15th International Conference on Geostatistics for Environmental Applications (GeoEnv 2024), Chania, Greece. Lien externe
Lauzon, D. (2024). A U-Net architecture as a surrogate model combined with a geostatistical spectral algorithm for transient groundwater flow inverse problems. Advances in Water Resources, 189, 104726 (14 pages). Lien externe
Lauzon, D. (2022). Développement d'algorithmes pour le calage de modèles géologiques par méthodes géostatistiques discrètes et spectrales [Thèse de doctorat, Polytechnique Montréal]. Disponible
Lauzon, D., & Marcotte, D. (juin 2022). On a constructive spectral method for conditioning pluriGaussian simulations to boreholes observations and indirect data. Application to aquifer models [Affiche]. 14th International Conference on Geostatistics for Environmental Applications (GeoEnv 2022), Parma, Italia (1 page). Lien externe
Lauzon, D., & Marcotte, D. (juin 2022). On a constructive spectral method for conditioning pluriGaussian simulations to boreholes observations and indirect data. Application to aquifer models [Communication écrite]. 14th International Conference on Geostatistics for Environmental Applications (GeoEnv 2022), Parma, Italia. Lien externe
Lauzon, D., & Marcotte, D. (2022). Statistical comparison of variogram-based inversion methods for to indirect data. Computers & Geosciences, 160, 105032 (15 pages). Lien externe
Lauzon, D., & Marcotte, D. (2020). Calibration of random fields by a sequential spectral turning bands method. Computers and Geosciences, 135, 13 pages. Lien externe
Lauzon, D., & Marcotte, D. (2020). The sequential spectral turning band simulator as an alternative to Gibbs sampler in large truncated- or pluri- Gaussian simulations. Stochastic Environmental Research and Risk Assessment, 34(11), 1939-1951. Lien externe
Lauzon, D., & Marcotte, D. (2019). Calibration of random fields by FFTMA-SA. Computers & Geosciences, 127, 99-110. Lien externe
