Traitement et analyse de séries chronologiques continues de ...

Partie 6 – Chapitre 16 : Test des modèles de type multi-régression
Calage avec toutes les données
Chassieu - M
Calages avec les N combinaisons
0.8
Evaluation
6000
95 249
0.78
6000
4000
0.76
4000
139
0.74
214 238
2000
0.72
2000
184
0
0 2000 4000 6000
0.7
0 100 200
0
0 2000 4000 6000
M Obs (kg)
MES
N° de combinaison
M Obs (kg)
MES
M MES
Cal (kg)
Nash (-)
M MES
Cal (kg)
M DCO
Cal (kg)
6000
4000
2000
71
Chassieu - M DCO
0.92
166
Nash (-)
0.91
139
0.9
214 238
M DCO
Cal (kg)
6000
4000
2000
0
0 2000 4000 6000
M Obs (kg)
DCO
184
0.89
0 100 200
N° de combinaison
0
0 2000 4000 6000
M Obs (kg)
DCO
Ecully - M MES
18
M MES
Cal (kg)
4000
3000
2000
1000
Nash (-)
0.76
0.75
0.74
0.73
21
14
122
191
M MES
Cal (kg)
4000
3000
2000
1000
0
0 2000 4000
M Obs (kg)
MES
0.72
0 100 200
N° de combinaison
0
0 2000 4000
M Obs (kg)
MES
M DCO
Cal (kg)
6000
4000
2000
0.77
Ecully - M 21
DCO
0
0 2000 4000 6000
M Obs (kg)
DCO
Nash (-)
0.76
0.75
0.74
0.73
14
18
122
162
191
0 100 200
N° de combinaison
M DCO
Cal (kg)
6000
4000
2000
0
0 2000 4000 6000
M Obs (kg)
DCO
Figure 16.14. Résultats du test de la capacité prédictive par la méthode LOOCV : Modèle Mopt MES ; site de
Chassieu
Les performances des modèles en calage et en évaluation sont très proches, voire non
distinguables à l’échelle du graphique. Ceci montre que chaque observation, prise
individuellement, a une influence négligeable sur le résultat du calage. Ce constat n’est pas
étonnant dans la mesure où les échantillons de données comprennent un nombre élevé
278