Traitement et analyse de séries chronologiques continues de ...
Traitement et analyse de séries chronologiques continues de ... Traitement et analyse de séries chronologiques continues de ...
Partie 4 – Chapitre 12 : Variabilité des flux de temps de pluie 12.1.4.2 Résultats Les résultats à Chassieu sont présentés dans les Figures 12.4 à 12.6 et pour Ecully dans les Figures 12.7 à 12.9. Les Figures 12.5 et 12.8 montrent que dans les deux cas, les deux premières composantes principales expliquent moins de 40 % de la variance totale de l’échantillon (24 % et 9 % respectivement pour les 1 ères et 2 èmes composantes et pour Chassieu et 23 et 12 % pour Ecully), ce qui met en évidence l’existence de corrélations linéaires partielles entre les variables. Les résultats de l’analyse des cartes de proximité et des cercles de corrélation sont présentés pour les deux sites dans les paragraphes suivants. Résultats à Chassieu L’analyse des projections des individus met en évidence deux points très atypiques sur la gauche de la Figure 12.6 : les événements 158 et 159 observés le 9 juillet 2007, et dont les dynamiques atypiques ont déjà été mises en évidence dans le paragraphe 9.3.3 (Figure 9.11). Le fait que ces deux points soient nettement isolés des autres tend à confirmer l’hypothèse d’une arrivée de rejets industriels, expliquant la présence d’un deuxième pic de concentration, alors qu’un seul pic de débit est observé. La dispersion des autres points ne met pas en évidence de tendance significative, il n’est pas possible d’identifier des sous groupes d’individus. La Figure 12.7 montre la représentation des variables sur le cercle des corrélations. Ce dernier est construit tel que : - Les projections des variables sur les deux premières composantes principales représentent les coefficients de corrélation linéaire entre les composantes et les variables expliquées. Plus les projections sont proches de 1 et plus les variables expliquent une grande part de la variabilité de l’échantillon expliquée par les deux premières composantes principales. - Le cosinus de l’angle au centre entre deux variables représente les coefficients de corrélation linéaire entre ces deux dernières : plus l’angle se rapproche de 0° ou 180°, plus la corrélation est grande. A l’inverse, un angle de 90° met en évidence l’absence de corrélation entre deux variables. Cependant ces interprétations ne sont valables que pour les cas des variables proches du cercle des corrélations. L’analyse du cercle des corrélations confirme d’une part les résultats de l’analyse des coefficients de corrélation linéaire, avec par exemple de fortes corrélations entre les masses de polluants et la hauteur de pluie ou le volume ruisselé ou des projections très faibles sur les deux axes pour les variables qant et hj. Concernant les corrélations entre variables, le cercle met en évidence : - Des variables très fortement corrélées deux à deux dont l’angle sur le cercle est proche de 0 : Vr et H, Imax et Im 5 , Qm et Qmax, DTS et InvDTS, H et InvH, D p et InvDp. Ces corrélations s’expliquent par la définition même des variables. - Des sous ensembles de variables corrélées : les variables DTS X ; les variables Im 5 A X , Im 10 A X et Im 30 A X pour des durées X supérieures à 12 heures ; les variables CumH X , pour les durées X supérieures à 24 heures. 190
Partie 4 – Chapitre 12 : Variabilité des flux de temps de pluie - Des corrélations moins fortes pour les variables Im 5 A X , Im 10 A X et Im 30 A X pour des durées X de 4 à 12 heures, mais toujours avec des corrélations avec les deux composantes principales qui restent supérieures à 0.5. - Une distinction significativement de la variable DTS/H par rapport aux autres variables de l’échantillon. Pour les autres variables, les corrélations sont plus difficiles à interpréter, dans la mesure où les variables représentent une part moindre de la variance totale de l’échantillon. Variance expliquée (%) 100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 Composantes principales 100 90 80 70 60 50 40 30 20 10 0 Variance cumulée (%) Figure 12.4. Pourcentages de la variance expliquée et de la variance cumulée pour les 10 premières composantes principales, site de Chassieu 2ème composante principale 10 8 6 4 2 0 -2 -4 -6 159 15 77 158 44 13 152 11 166 85 12 151 8 214 136 61 139 238 249 197 184 95 165 138 75 239 162 71168 164 224 23 48 9 82 218 106 24057 80 94 76 69 64 91 146 141 232 43 49 107 222 137 160 101 62 246 104 223 140 96 145 63 20 147 103 220 252 58 47 50 60 51 25 6 -20 -15 -10 -5 0 5 10 1ère composante principale Figure 12.5. Projection des individus dans l’espace des deux premières composantes principales, site de Chassieu 191
- Page 167 and 168: Partie 3 - Chapitre 9 : Présentati
- Page 169 and 170: Partie 3 - Chapitre 9 : Présentati
- Page 171: Partie 3 - Chapitre 9 : Présentati
- Page 175: Partie 4 - Analyse des données Int
- Page 178 and 179: Partie 4 - Chapitre 10 : Variabilit
- Page 180 and 181: Partie 4 - Chapitre 10 : Variabilit
- Page 182 and 183: Partie 4 - Chapitre 10 : Variabilit
- Page 184 and 185: Partie 4 - Chapitre 10 : Variabilit
- Page 186 and 187: Partie 4 - Chapitre 10 : Variabilit
- Page 188 and 189: Partie 4 - Chapitre 10 : Variabilit
- Page 190 and 191: Partie 4 - Chapitre 10 : Variabilit
- Page 192 and 193: Partie 4 - Chapitre 11 : Estimation
- Page 194 and 195: Partie 4 - Chapitre 11 : Estimation
- Page 196 and 197: Partie 4 - Chapitre 11 : Estimation
- Page 198 and 199: Partie 4 - Chapitre 11 : Estimation
- Page 200 and 201: Partie 4 - Chapitre 11 : Estimation
- Page 202 and 203: Partie 4 - Chapitre 11 : Estimation
- Page 205 and 206: Partie 4 - Chapitre 12 : Variabilit
- Page 207 and 208: Partie 4 - Chapitre 12 : Variabilit
- Page 209 and 210: Partie 4 - Chapitre 12 : Variabilit
- Page 211 and 212: Partie 4 - Chapitre 12 : Variabilit
- Page 213 and 214: Partie 4 - Chapitre 12 : Variabilit
- Page 215 and 216: Partie 4 - Chapitre 12 : Variabilit
- Page 217: Partie 4 - Chapitre 12 : Variabilit
- Page 221 and 222: Partie 4 - Chapitre 12 : Variabilit
- Page 223 and 224: Partie 4 - Chapitre 12 : Variabilit
- Page 225 and 226: Partie 4 - Chapitre 12 : Variabilit
- Page 227 and 228: Partie 4 - Chapitre 12 : Variabilit
- Page 229 and 230: Partie 4 - Chapitre 12 : Variabilit
- Page 231 and 232: Partie 4 - Chapitre 12 : Variabilit
- Page 233 and 234: Partie 4 - Chapitre 12 : Variabilit
- Page 235 and 236: Partie 4 - Chapitre 12 : Variabilit
- Page 237 and 238: Partie 4 - Chapitre 12 : Variabilit
- Page 239 and 240: Partie 4 - Analyse des données : C
- Page 241: Partie 5 Choix des modèles et mét
- Page 245 and 246: Partie 5 - Chapitre 13 : Modèles d
- Page 247 and 248: Partie 5 - Chapitre 13 : Modèles d
- Page 249 and 250: Partie 5 - Chapitre 13 : Modèles d
- Page 251 and 252: Partie 5 - Chapitre 13 : Modèles d
- Page 253 and 254: Partie 5 - Chapitre 13 : Modèles d
- Page 255 and 256: Partie 5 - Chapitre 13 : Modèles d
- Page 257 and 258: Partie 5 - Chapitre 13 : Modèles d
- Page 259: Partie 5 - Chapitre 13 : Modèles d
- Page 262 and 263: Partie 5 - Chapitre 14 : Modèles d
- Page 264 and 265: Partie 5 - Chapitre 14 : Modèles d
- Page 266 and 267: Partie 5 - Chapitre 14 : Modèles d
Partie 4 – Chapitre 12 : Variabilité <strong>de</strong>s flux <strong>de</strong> temps <strong>de</strong> pluie<br />
12.1.4.2 Résultats<br />
Les résultats à Chassieu sont présentés dans les Figures 12.4 à 12.6 <strong>et</strong> pour Ecully dans les<br />
Figures 12.7 à 12.9. Les Figures 12.5 <strong>et</strong> 12.8 montrent que dans les <strong>de</strong>ux cas, les <strong>de</strong>ux premières<br />
composantes principales expliquent moins <strong>de</strong> 40 % <strong>de</strong> la variance totale <strong>de</strong> l’échantillon (24 %<br />
<strong>et</strong> 9 % respectivement pour les 1 ères <strong>et</strong> 2 èmes composantes <strong>et</strong> pour Chassieu <strong>et</strong> 23 <strong>et</strong> 12 % pour<br />
Ecully), ce qui m<strong>et</strong> en évi<strong>de</strong>nce l’existence <strong>de</strong> corrélations linéaires partielles entre les<br />
variables. Les résultats <strong>de</strong> l’<strong>analyse</strong> <strong>de</strong>s cartes <strong>de</strong> proximité <strong>et</strong> <strong>de</strong>s cercles <strong>de</strong> corrélation sont<br />
présentés pour les <strong>de</strong>ux sites dans les paragraphes suivants.<br />
Résultats à Chassieu<br />
L’<strong>analyse</strong> <strong>de</strong>s projections <strong>de</strong>s individus m<strong>et</strong> en évi<strong>de</strong>nce <strong>de</strong>ux points très atypiques sur la<br />
gauche <strong>de</strong> la Figure 12.6 : les événements 158 <strong>et</strong> 159 observés le 9 juill<strong>et</strong> 2007, <strong>et</strong> dont les<br />
dynamiques atypiques ont déjà été mises en évi<strong>de</strong>nce dans le paragraphe 9.3.3 (Figure 9.11). Le<br />
fait que ces <strong>de</strong>ux points soient n<strong>et</strong>tement isolés <strong>de</strong>s autres tend à confirmer l’hypothèse d’une<br />
arrivée <strong>de</strong> rej<strong>et</strong>s industriels, expliquant la présence d’un <strong>de</strong>uxième pic <strong>de</strong> concentration, alors<br />
qu’un seul pic <strong>de</strong> débit est observé.<br />
La dispersion <strong>de</strong>s autres points ne m<strong>et</strong> pas en évi<strong>de</strong>nce <strong>de</strong> tendance significative, il n’est pas<br />
possible d’i<strong>de</strong>ntifier <strong>de</strong>s sous groupes d’individus.<br />
La Figure 12.7 montre la représentation <strong>de</strong>s variables sur le cercle <strong>de</strong>s corrélations. Ce<br />
<strong>de</strong>rnier est construit tel que :<br />
- Les projections <strong>de</strong>s variables sur les <strong>de</strong>ux premières composantes principales<br />
représentent les coefficients <strong>de</strong> corrélation linéaire entre les composantes <strong>et</strong> les<br />
variables expliquées. Plus les projections sont proches <strong>de</strong> 1 <strong>et</strong> plus les variables<br />
expliquent une gran<strong>de</strong> part <strong>de</strong> la variabilité <strong>de</strong> l’échantillon expliquée par les<br />
<strong>de</strong>ux premières composantes principales.<br />
- Le cosinus <strong>de</strong> l’angle au centre entre <strong>de</strong>ux variables représente les coefficients<br />
<strong>de</strong> corrélation linéaire entre ces <strong>de</strong>ux <strong>de</strong>rnières : plus l’angle se rapproche <strong>de</strong> 0°<br />
ou 180°, plus la corrélation est gran<strong>de</strong>. A l’inverse, un angle <strong>de</strong> 90° m<strong>et</strong> en<br />
évi<strong>de</strong>nce l’absence <strong>de</strong> corrélation entre <strong>de</strong>ux variables. Cependant ces<br />
interprétations ne sont valables que pour les cas <strong>de</strong>s variables proches du cercle<br />
<strong>de</strong>s corrélations.<br />
L’<strong>analyse</strong> du cercle <strong>de</strong>s corrélations confirme d’une part les résultats <strong>de</strong> l’<strong>analyse</strong> <strong>de</strong>s<br />
coefficients <strong>de</strong> corrélation linéaire, avec par exemple <strong>de</strong> fortes corrélations entre les masses <strong>de</strong><br />
polluants <strong>et</strong> la hauteur <strong>de</strong> pluie ou le volume ruisselé ou <strong>de</strong>s projections très faibles sur les <strong>de</strong>ux<br />
axes pour les variables qant <strong>et</strong> hj. Concernant les corrélations entre variables, le cercle m<strong>et</strong> en<br />
évi<strong>de</strong>nce :<br />
- Des variables très fortement corrélées <strong>de</strong>ux à <strong>de</strong>ux dont l’angle sur le cercle est<br />
proche <strong>de</strong> 0 : Vr <strong>et</strong> H, Imax <strong>et</strong> Im 5 , Qm <strong>et</strong> Qmax, DTS <strong>et</strong> InvDTS, H <strong>et</strong> InvH, D p <strong>et</strong><br />
InvDp. Ces corrélations s’expliquent par la définition même <strong>de</strong>s variables.<br />
- Des sous ensembles <strong>de</strong> variables corrélées : les variables DTS X ; les variables<br />
Im 5 A X , Im 10 A X <strong>et</strong> Im 30 A X pour <strong>de</strong>s durées X supérieures à 12 heures ; les variables<br />
CumH X , pour les durées X supérieures à 24 heures.<br />
190