Documents dont l'auteur est "Lauzon, Dany"

Dany LauzonDépartement des génies civil, géologique et des minesVoir sa fiche dans le Répertoire des Expertises de Polytechnique Montréal

Réseau de collaboration

Veuillez patienter

Aide

Ce 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 mots

Aide

Un 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.

A

Arega, K. A., Benoit, N., & Lauzon, D. (mai 2026). Stochastic groundwater recharge modelling in the Harricana river watershed, Québec, Canada [Affiche]. CGU and IAH-CNC Annual Meeting 2026, Halifax, Nova Scotia. Lien externe

B

Brisebois, O., Lauzon, D., & Pasquier, P. (mai 2026). Investigation of a constructive geostatistical method to assimilate unused conventional data during geothermal drilling for hydraulic conductivity profiling [Communication écrite]. 15th IEA Heat Pump Conference (HPC 2026), Vienna, Austria (12 pages). Lien externe

D

Dion, G., Pasquier, P., & Lauzon, D. (mai 2026). Stochastic approach to ground heat exchanger sizing accounting for weather and ground property variability [Communication écrite]. 15th IEA Heat Pump Conference (HPC 2026), Vienna, Austria (10 pages). Lien externe

H

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

K

Kfoury, M., Roy, S., Langevin, M., Lauzon, D., & Gosselin, Y. (septembre 2024). Geostatistical analysis of geotechnical uncertainty: risk assessment in engineering projects [Communication écrite]. 77th Canadian Geotechnical Conference and the 16th Joint CGS/IAH-CNC Groundwater Conference (GeoMontréal 2024), Montreal, Quebec, Canada (7 pages). Disponible

L

Lauzon, D., Kfoury, M., & Langevin, M. (septembre 2026). From data to decisions: how geostatistics supports geotechnical engineering [Présentation]. Dans 79e Conférence canadienne de géotechnique (GéoQuébec 2026), Québec, Québec, Canada. Non disponible

Lauzon, D., Hörning, S., & Bàrdossy, A. (2026). A generalized FFTMA approach for simulating multivariate non-Gaussian random fields with spatial asymmetry. Computers & Geosciences, 212, 106157 (18 pages). Lien externe

Lauzon, D. (2026). Géostatistique et géologie minière [Notes de cours]. Lien externe

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

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. (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. (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

Lauzon, D., & Marcotte, D. (2023). Joint hydrofacies-hydraulic conductivity modeling based on a constructive spectral algorithm constrained by transient head data. Hydrogeology Journal, 31(6), 1647-1664. 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 [Communication écrite]. 14th International Conference on Geostatistics for Environmental Applications (GeoEnv 2022), Parma, Italia. 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 [Affiche]. 14th International Conference on Geostatistics for Environmental Applications (GeoEnv 2022), Parma, Italia (1 page). 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

P

Pugliese, E., Lauzon, D., Dematteis, A., Rodani, S., Benedetti, G., & Gargini, A. (2026). Risk assessment of tunnelling-induced hydrogeological interference on springs using a machine learning approach. Hydrogeology Journal, 29 pages. Disponible

Paula Burgoa Tanaka, A., Renard, P., Xia Liang, X., Straubhaar, J., & Lauzon, D. (mai 2026). Fracture network modeling with graph deep learning [Résumé]. EGU General Assembly 2026, Vienna, Austria. Lien externe

R

Renard, P., Straubhaar, J., Lauzon, D., & Trunz, C. (mai 2026). Karst network simulation with statistical learning [Résumé]. EGU General Assembly 2026, Vienna, Austria. Lien externe

S

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

T

Tagne Nkounga, I. B., Lauzon, D., Kfoury, M., & Langevin, M. (septembre 2026). Automatic spatial inference of stratigraphic piles under non-stationary conditions from borehole data [Présentation]. Dans 79e Conférence canadienne de géotechnique (GéoQuébec 2026), Québec, Québec, Canada. Non disponible

X

Xia Liang, X., Lauzon, D., Gloaguen, E., Straubhaar, J., & Renard, P. (2026). Evaluating the influence of temporal data resolution on the performance of deep neural networks for Karst groundwater forecasting. Applied Computing and Geosciences, 31, 100393 (16 pages). Lien externe