Une présentation de vulgarisation doit être faite pour FMT. Pour réduire la confusion.

Monter /transférer une présentation qui permet d'expliquer l'utilisation du Machine Learning en planification forestière.

Vcpkg ne permet pas de spécifier une version en installant un package en ligne de commande. La seule manière de choisir une version différente de la dernière version d'un package en ligne de commande c'est de checkout le repertoire git de vcpkg sur une version qui installe la version désirée du package. Il faudrait donc le mentionner dans les instructions d'installation.

Problème potentiel : En suivant la documentation actuelle, c'est python 3.10 qui sera installé alors que Pytorch ne supporte que la version 3.9. Donc les fichiers .whl généré avec la version 3.10 ne fonctionneront pas avec Pytorch.

Voir : microsoft/vcpkg#1681

Notre Syntaxe "maison" va nécessité d'avoir une définition de langage voir:

https://highlightjs.readthedocs.io/en/latest/language-guide.html

Minimalement, pour être en mesure de ventiler la syntaxe liée à la replanification et à la spatialisation et son contexte (section optimize)
Elle pourrait aussi s'étendre aux autres sections.

Changer le tout dans la partie documentation français

Quels est le futur de FMT ?
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/basics/

Aboyer
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/basics/objects_parsing_interrogation/
abboyer_sur()
abboyer_sur()
pluto.abboyer_sur(felix), felix.peur

Version: Contient des informations sur la version actuelle de FMT, et les fonctions qu’elle contient (ce qui dépend de la façon dont il a été compilée
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/basics/objects_parsing_interrogation/

Que ce soit dans le terminal de R ou de Python, les codes précédents devraient affichier la même chose

L’espace de noms Core.
L’espace de nom

https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/basics/spatially_referenced_optimization/

nous informe sur la répartitions future
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/basics/spatially_referenced_optimization/

manipuler le modèle à différente fins

sur la base d’une section de yield(une variable particulière, par exemple)

cette dernière peut être interroger

Au lieu de ca, le FMTsesmodel va essayer
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/basics/spatially_explicit_simulation/

obtenir un calendrier d’opérations spatialement explicite basée

A chaque fois
un calendrier d’opérations spatialement explicite basée

Si vous avez d’autres questions, veuillez contacter Guillaume Cyr ou Bruno Forest du BFEC

(et où se trouvent aussi les bibliothèque de fonction compilées de FMT, à présent).
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/download_install/importing_in_python/

Re**-**planification spatialement référencée
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/advanced/replanning/

Des question liées

(feux, tordeuse de bourgeon d’épinette, etc.)

un même paysage initia**l(**mêmes sections AREA,

Il va servir à simuler des action pseudo-aléatoires

C’est à dire qu’a chaque période,

la période de temps donné

quoi que ce sois.

même si il essaye de faire une optimisation

par les événements aléatoire

Car à l’échelle tactique, on ne prend en compte que le cours-terme

des vas-et-vient

ces valeurs pour différents réplica.

Ce mot clé est utiliser pour générer

L’output choisis avec _RANDOM(output)

Ce mot clé est utiliser pour ajuster

Le ratio permet augmenter ou diminuer

Pour ce faire, lors l’évaluation de la solution du [modèle tactique]

vis ****à ****vis

Drift : Ration d’éloignement entre la solution du [modèle tactique]

à de meilleure probabilités

Vous devez également avoir installé Python sur votre ordinateur. Si cela n’est pas fait, [référez vous à cette page]
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/advanced/exercice_2/

Ajouter les outputs selectionné

Préparer la tache de re-planning par le biais de la fonction

Lancer la tache de re-planning par le biais de la fonction

Après avoir téléchargé les fichiers d’exemple de FMT

Ouvrez ensuite une invite de commande de windows, ou bien un powershell.

regardez les sorties présentent dans le dossier Examples/Python/replanning/replanning_EX1.

À présent, dupliquez le dossier Globalex1 et renommez le Globalex2 (supprimez le dossier existant si il existe déjà

Une fois que la commande s’est éxécutée, regardez les sorties présentent dans le dossier Examples/Python/replanning/replanning_EX2.

Y-as-t-il un gain vis à vis de la question 1 ?

Une fois que la commande s’est éxécutée, regardez les sorties présentent dans le dossier Examples/Python/replanning/replanning_EX3.

Y-as-t-il un gain vis à vis de la question 1 ?

Question 4
À présent, dupliquez le fichier TWD_land._opt de Localex1 dans le dossier Localex4 (supprimez le fichier existant si il existe déjà).

Question 5
À présent, dupliquez le dossier Localex1 et renommez ****le Localex5 (supprimez le dossier existant si il existe déjà).

Question 6
À présent, dupliquez le dossier Localex1 et renommez ****le Localex6 (supprimez le dossier existant si il existe déjà).

Modifiez ensuite le fichier TWD_land.opt de Localex6 afin de forcer ce modèle tactique à réaliser de 100% du niveau de récolte (OVOLREC) du modèle stratégique

Une fois que la commande s’est éxécutée, regardez les sorties présentent dans le dossier Examples/Python/replanning/replanning_EX7.

Question 7
À présent, dupliquez le dossier Globalex1 et renommez ****le Globalex7 (supprimez le dossier existant si il existe déjà).

Ainsi, l’ajout de ce calendrier d’ouvertures et de fermetures de COS va réduire le bois récolté dans la nouvelle solution généré par FMT.
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/advanced/operational_area_scheduling/

fautes dans l'image du greedy algorithm
Contraites, itérations épuisé

Dans ce cas-là, le greedy algorithm est utile pour éviter des temps de calcul trop long

fautes dans l'image des yields pour la calendrier de COS (solution évaluéE par FMT)

La fonction Heuristics.FMToperatingareascheme() sert à construire un seul COS au sein du modèle, et doit donc être répétée pour chacun des COS qui doit être créée.

FMT pourra être incapable de trouver une solution réalisable au modèle.

Ce second paramètre décrit le ratio du périmètre du COS que celle-ci doit avoir en commun avec un autre COS pour que les deux soient considérés comme voisins.

Il correspond au nombre de périodes de temps qui doivent être respectées avant que le COS soit réouvert dans le futur.

une fois le COS ouvert, il suivra automatique le calendrier “ouvert, ouvert, fermé, fermé

Elle correspond au délai que doit attendre
Les COS voisins sont en retours trouvés grâce au périmètre des voisins donné plus tôt.

Les objets FMToutputnode contiennent les output nodes du modèle linéaire

Plusieurs output nodes peuvent alors être combiné pour donner un seul output.

Si ces actions concernent tous les peuplements possibles, le constructeur pour alors prendre la forme FMToutputnode

La création de l’objet contenant la tache de l’algorithme se fait via la fonction Parallel.FMTopareaschedulertask().

Une fois que l’objet contenant la tache est créé avec cette fonction,

Ici, on charge FMT directement, comme si il avait été installé avec pip.

from FMT import Models

On charge le modèle parmis la liste des modèles renvoyée

On récupère les output nodes du modèle nécessaires pour créer un calendrier de COS grace aux actions qu'ils contiennent

On créer l'objet qui contient la tache a lancer avec le greedy algorithm

On met la tache au sein d'un objet qui gère le lancement des taches

On active l'enregistrement du log de la tache

on lance la tache du greedy algorithm en parralèle

Les présentations seront déformées si vous les regardez sur mobiles.
https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/docs/slides_links/

https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/slides/fmt_carbone/
slide 3
L’optimisation spatialement explicite de la localisation travaux

slide 12-13-14 Productivité net

slide 19
;Inventaire de la biomasse anérienne

slide 27
Générer des solutions spatialement explicite plausible

https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/slides/fmt_mise_a_jour280422/
slide4
Re**-**planification

slide 7 machine learning (devraient être ensemble)
slide 8 Re**-planification
slide 10 Re-**planification spatialement explicite

https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/slides/fmt_presolve/
slide 8
Ligne d'opérabilité inutile?'
slide 9 Ligne de source inutile?'
slide 11 Transformer la contrainte en yields et opérabilité d'action et l'éliminer**'**

https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/slides/fmt_carbone_2023/
slide 4
enlever le 1.
slide 6 (i)Globale
Délai_dadjacence

https://bureau-du-forestier-en-chef.github.io/FMTdocs/fr/slides/rencontre_250723/
slide 6
Ré**-optimisation
slide 9 faute dans l'image du greedy algorythm
slide 11 (i)Globale** Délai_dadjacence

Transférer la présentation Power point de la replanification en web.