Traitement et analyse de séries chronologiques continues de ...
Traitement et analyse de séries chronologiques continues de ... Traitement et analyse de séries chronologiques continues de ...
Tables des matières 3.2.1 Test de l’approche multi-régression ................................................................................................ 33 3.2.2 Test de l’approche Accumulation-Erosion-Transfert ...................................................................... 34 3.3 Choix généraux de modélisation ........................................................................................................ 34 3.3.1 Test de l’approche multi-régression ................................................................................................ 34 3.3.2 Test de l’approche Accumulation-Erosion-Transfert ...................................................................... 35 PARTIE 2 : TEST DES MODELES ET INCERTITUDES 37 INTRODUCTION 39 CHAPITRE 4 : LE CONCEPT D’INCERTITUDE EN MODELISATION EN HYDROLOGIE URBAINE 41 4.1 Introduction ......................................................................................................................................... 41 4.2 Modèle optimal et incertitude de prédiction ..................................................................................... 42 4.2.1 Définition du modèle optimal ......................................................................................................... 42 4.2.2 Procédure de calage simple ............................................................................................................. 43 4.2.2.1 Définition de la fonction objectif .................................................................................................................. 43 4.2.2.2 Algorithmes de calage .................................................................................................................................. 48 4.2.3 Calcul de l’incertitude de prédiction ............................................................................................... 49 4.3 Les sources d’incertitude dans les modèles ....................................................................................... 50 4.3.1 Incertitudes liées au système de mesure.......................................................................................... 50 4.3.2 Incertitudes sur la connaissance des processus ............................................................................... 51 4.3.3 Incertitude sur la procédure de calage et d’estimation des incertitudes .......................................... 51 4.3.4 Quelle classification ? ..................................................................................................................... 51 CHAPITRE 5 : LES METHODES D’EVALUATION DES INCERTITUDES 55 5.1 Concepts statistiques ........................................................................................................................... 55 5.1.1 Formalisation du terme d’erreur ..................................................................................................... 55 5.1.2 Incertitudes sur les paramètres ........................................................................................................ 56 5.1.3 Incertitude de prédiction ................................................................................................................. 57 5.2 Cas des modèles linéaires .................................................................................................................... 57 5.2.1 Méthode des Moindres Carrés Ordinaires (MCO) .......................................................................... 58 5.2.2 Méthode des Moindres Carrés Pondérés ......................................................................................... 60 5.2.3 Méthode de Wiliamson ................................................................................................................... 61 5.2.4 Cas des modèles simples linéarisables ............................................................................................ 62 5.3 Cas des modèles complexes : la méthode bayésienne formelle ........................................................ 63 5.3.1 Principe de l’approche bayésienne .................................................................................................. 63 5.3.1.1 L’inférence bayésienne ................................................................................................................................. 63 5.3.1.2 Application au cas d’un modèle paramétrique ............................................................................................. 64 5.3.1.3 Principe d’apprentissage ............................................................................................................................. 65 5.3.2 Choix de la distribution a priori ..................................................................................................... 66 5.3.3 Choix de la vraisemblance .............................................................................................................. 67 5.3.4 L’échantillonnage de la distribution a posteriori ............................................................................ 69 5.3.4.1 Méthode d’échantillonnage d’importance .................................................................................................... 69 5.3.4.2 Principe de la méthode MCMC .................................................................................................................... 71 5.3.4.3 L’algorithme de Metropolis .......................................................................................................................... 73 5.3.4.4 Les nouvelles générations d’algorithmes MCMC ........................................................................................ 74 5.3.4.5 Diagnostics de convergence ......................................................................................................................... 75 5.3.5 Calcul des intervalles de prédiction ................................................................................................ 76 5.3.6 Avantages et limites de l’approche ................................................................................................. 77 5.4 L’approche GLUE .............................................................................................................................. 79 5.4.1 Principe de la méthode .................................................................................................................... 79 5.4.1.1 Introduction générale ................................................................................................................................... 79 5.4.1.2 Comparaison avec la méthode bayésienne ................................................................................................... 80 5.4.1.3 Algorithme de base ....................................................................................................................................... 81 5.4.2 Choix des éléments subjectifs ......................................................................................................... 83
Tables des matières 5.4.3 Avantages et limites de la méthode................................................................................................. 83 5.5 Conclusion ............................................................................................................................................ 85 5.5.1 Les méthodes disponibles ............................................................................................................... 85 5.5.2 Quelle méthode choisir ? ................................................................................................................ 86 5.5.3 Méthodes utilisées pour la modélisation de la qualité des RUTP ................................................... 87 CHAPITRE 6 : TEST DES MODELES 89 6.1 Evaluation de la performance des modèles ....................................................................................... 89 6.1.1 Test de la capacité prédictive .......................................................................................................... 89 6.1.2 Les critères mathématiques de performance ................................................................................... 91 6.1.3 Vérification des hypothèses sur les résidus ..................................................................................... 91 6.2 Apports de l’analyse bayésienne ........................................................................................................ 93 6.2.1 L’analyse des paramètres ................................................................................................................ 93 6.2.2 Application du principe d’apprentissage ......................................................................................... 95 6.3 Quantification des sources d’incertitude ........................................................................................... 96 6.3.1 Analyse de sensibilité à une source d’incertitude ........................................................................... 97 6.3.2 Modélisation des sources d’incertitude ........................................................................................... 98 CONCLUSION 101 PARTIE 3 : CONSTRUCTION DE LA BASE DE DONNEES 103 INTRODUCTION 105 CHAPITRE 7 : PRESENTATION DES SITES D’ETUDE 107 7.1 Observatoire de Terrain en Hydrologie Urbaine (OTHU) ............................................................ 107 7.2 Sites d’étude ....................................................................................................................................... 108 7.2.1 Site de Chassieu - Django Reinhardt ............................................................................................ 108 7.2.2 Site d’Ecully ................................................................................................................................. 110 7.3 Dispositifs de mesure ......................................................................................................................... 112 7.3.1 Mesures en continu aux exutoires ................................................................................................. 112 7.3.2 Mesures pluviométriques .............................................................................................................. 114 CHAPITRE 8 : TRAITEMENT DES DONNEES 115 8.1 Calcul du débit et des concentrations en MES et DCO .................................................................. 115 8.1.1 Données utilisées .......................................................................................................................... 115 8.1.2 Calcul du débit et de l’incertitude associée ................................................................................... 116 8.1.3 Calcul des concentrations en MES et DCO et de leurs incertitudes associées .............................. 117 8.1.3.1 Établissement des relations [MES]-turbidité et [DCO]-turbidité .............................................................. 117 8.1.3.2 Calcul des concentrations et de leurs incertitudes ..................................................................................... 120 8.2 Identification des événements pluvieux ........................................................................................... 121 8.2.1 Délimitation préliminaire des pluies ............................................................................................. 121 8.2.2 Site de Chassieu ............................................................................................................................ 121 8.2.3 Site d’Ecully ................................................................................................................................. 122 8.3 Calcul des masses et des concentrations moyennes événementielles de MES et DCO ................ 123 8.3.1 Calcul des volumes ruisselés ........................................................................................................ 123 8.3.2 Calcul des masses et des concentrations moyennes événementielles totales ................................ 124 8.3.3 Distinction des apports de temps sec et de temps de pluie ............................................................ 124
- Page 1: N° d’ordre 2011ISAL0018 Année 2
- Page 5 and 6: Remerciements Je voudrais d’abord
- Page 7: Traitement et analyse de séries ch
- Page 11: Table des matières
- Page 16 and 17: Tables des matières CHAPITRE 9 : P
- Page 18 and 19: Tables des matières 14.3.4 Calcul
- Page 21: Liste des abréviations DCO Demande
- Page 24 and 25: Liste des variables DTS E f f -1 du
- Page 26 and 27: Liste des variables S Pond somme po
- Page 29: Introduction générale 1
- Page 32 and 33: Introduction générale et al. (200
- Page 34 and 35: Introduction générale Structure d
- Page 37: Partie 1 : La modélisation de la q
- Page 40 and 41: Partie 1 - Chapitre 1 : Introductio
- Page 42 and 43: Partie 1 - Chapitre 1 : Introductio
- Page 45 and 46: Partie 1 - Chapitre 2 : Approches d
- Page 47 and 48: Partie 1 - Chapitre 2 : Approches d
- Page 49 and 50: Partie 1 - Chapitre 2 : Approches d
- Page 51 and 52: Partie 1 - Chapitre 2 : Approches d
- Page 53 and 54: Partie 1 - Chapitre 2 : Approches d
- Page 55 and 56: Partie 1 - Chapitre 2 : Approches d
- Page 57: Partie 1 - Chapitre 2 : Approches d
- Page 60 and 61: Partie 1 - Chapitre 3 : Choix des a
- Page 62 and 63: Partie 1 - Chapitre 3 : Choix des a
Tables <strong>de</strong>s matières<br />
3.2.1 Test <strong>de</strong> l’approche multi-régression ................................................................................................ 33<br />
3.2.2 Test <strong>de</strong> l’approche Accumulation-Erosion-Transfert ...................................................................... 34<br />
3.3 Choix généraux <strong>de</strong> modélisation ........................................................................................................ 34<br />
3.3.1 Test <strong>de</strong> l’approche multi-régression ................................................................................................ 34<br />
3.3.2 Test <strong>de</strong> l’approche Accumulation-Erosion-Transfert ...................................................................... 35<br />
PARTIE 2 : TEST DES MODELES ET INCERTITUDES 37<br />
INTRODUCTION 39<br />
CHAPITRE 4 : LE CONCEPT D’INCERTITUDE EN MODELISATION EN HYDROLOGIE<br />
URBAINE 41<br />
4.1 Introduction ......................................................................................................................................... 41<br />
4.2 Modèle optimal <strong>et</strong> incertitu<strong>de</strong> <strong>de</strong> prédiction ..................................................................................... 42<br />
4.2.1 Définition du modèle optimal ......................................................................................................... 42<br />
4.2.2 Procédure <strong>de</strong> calage simple ............................................................................................................. 43<br />
4.2.2.1 Définition <strong>de</strong> la fonction objectif .................................................................................................................. 43<br />
4.2.2.2 Algorithmes <strong>de</strong> calage .................................................................................................................................. 48<br />
4.2.3 Calcul <strong>de</strong> l’incertitu<strong>de</strong> <strong>de</strong> prédiction ............................................................................................... 49<br />
4.3 Les sources d’incertitu<strong>de</strong> dans les modèles ....................................................................................... 50<br />
4.3.1 Incertitu<strong>de</strong>s liées au système <strong>de</strong> mesure.......................................................................................... 50<br />
4.3.2 Incertitu<strong>de</strong>s sur la connaissance <strong>de</strong>s processus ............................................................................... 51<br />
4.3.3 Incertitu<strong>de</strong> sur la procédure <strong>de</strong> calage <strong>et</strong> d’estimation <strong>de</strong>s incertitu<strong>de</strong>s .......................................... 51<br />
4.3.4 Quelle classification ? ..................................................................................................................... 51<br />
CHAPITRE 5 : LES METHODES D’EVALUATION DES INCERTITUDES 55<br />
5.1 Concepts statistiques ........................................................................................................................... 55<br />
5.1.1 Formalisation du terme d’erreur ..................................................................................................... 55<br />
5.1.2 Incertitu<strong>de</strong>s sur les paramètres ........................................................................................................ 56<br />
5.1.3 Incertitu<strong>de</strong> <strong>de</strong> prédiction ................................................................................................................. 57<br />
5.2 Cas <strong>de</strong>s modèles linéaires .................................................................................................................... 57<br />
5.2.1 Métho<strong>de</strong> <strong>de</strong>s Moindres Carrés Ordinaires (MCO) .......................................................................... 58<br />
5.2.2 Métho<strong>de</strong> <strong>de</strong>s Moindres Carrés Pondérés ......................................................................................... 60<br />
5.2.3 Métho<strong>de</strong> <strong>de</strong> Wiliamson ................................................................................................................... 61<br />
5.2.4 Cas <strong>de</strong>s modèles simples linéarisables ............................................................................................ 62<br />
5.3 Cas <strong>de</strong>s modèles complexes : la métho<strong>de</strong> bayésienne formelle ........................................................ 63<br />
5.3.1 Principe <strong>de</strong> l’approche bayésienne .................................................................................................. 63<br />
5.3.1.1 L’inférence bayésienne ................................................................................................................................. 63<br />
5.3.1.2 Application au cas d’un modèle paramétrique ............................................................................................. 64<br />
5.3.1.3 Principe d’apprentissage ............................................................................................................................. 65<br />
5.3.2 Choix <strong>de</strong> la distribution a priori ..................................................................................................... 66<br />
5.3.3 Choix <strong>de</strong> la vraisemblance .............................................................................................................. 67<br />
5.3.4 L’échantillonnage <strong>de</strong> la distribution a posteriori ............................................................................ 69<br />
5.3.4.1 Métho<strong>de</strong> d’échantillonnage d’importance .................................................................................................... 69<br />
5.3.4.2 Principe <strong>de</strong> la métho<strong>de</strong> MCMC .................................................................................................................... 71<br />
5.3.4.3 L’algorithme <strong>de</strong> M<strong>et</strong>ropolis .......................................................................................................................... 73<br />
5.3.4.4 Les nouvelles générations d’algorithmes MCMC ........................................................................................ 74<br />
5.3.4.5 Diagnostics <strong>de</strong> convergence ......................................................................................................................... 75<br />
5.3.5 Calcul <strong>de</strong>s intervalles <strong>de</strong> prédiction ................................................................................................ 76<br />
5.3.6 Avantages <strong>et</strong> limites <strong>de</strong> l’approche ................................................................................................. 77<br />
5.4 L’approche GLUE .............................................................................................................................. 79<br />
5.4.1 Principe <strong>de</strong> la métho<strong>de</strong> .................................................................................................................... 79<br />
5.4.1.1 Introduction générale ................................................................................................................................... 79<br />
5.4.1.2 Comparaison avec la métho<strong>de</strong> bayésienne ................................................................................................... 80<br />
5.4.1.3 Algorithme <strong>de</strong> base ....................................................................................................................................... 81<br />
5.4.2 Choix <strong>de</strong>s éléments subjectifs ......................................................................................................... 83