Abdoul Aziz Diallo

During my internship which spanned from Mars 2024 to August 2024, my main project with the
Epidemiological Modelling Unit(EMU) of Monash School of Public Health and Preventive Medicine team was to assess performance of Bayesian sampling algorithms across Ordinary differential equations (ODE)-based infectious disease models with different complexities. The scope of this study was to expand the range of Bayesian sampling algorithms employed by the team by evaluating the performance of Sequential Monte Carlo (SMC) and No-U-Turn Sampler (NUTS) algorithms.
Our findings from this comparative study motivate a discussion on how to leverage Exploratory Landscape Analysis prior to parameter calibration.

La modélisation écologique est une discipline scientifique permettant l’étude et la compréhension des dynamiques de populations et de leurs interactions. Dans ce stage nous avons étudier un modèle écologique de type réaction-advection-diffusion modélisant l’évolution de ravageurs ainsi que leur interaction avec leur paysage (paysage agricole) selon leur niveau d’énergie. Notre approche a été dans un premier temps d’établir le caractère bien du problème. La difficulté sur ce point étant la non linéarité et le caractère dégénéré de l’équation parabolique. La technique utiliser pour contourner ce problème a été l’introduction d’un terme de stabilisation pour obtenir une équation non dégénérée plus facile à étudier. Dans un second temps, nous avons procédé à la simulation numérique par la méthode des éléments finis via le logiciel freefem++. Pour prendre en compte les phénomènes de diffusion, d’advection et de réaction dans le modèle nous avons appliqué la méthode de splitting d’opérateurs. Notre schéma numérique global a été validé en ajoutant un terme source au modèle.