|
4-5 déc. 2025 Sete (France)
|
Conférenciers invités
Méthodes hybrides par Forêts aléatoires et ACP fonctionnelle pour la modélisation des rendements de blé à l'échelle de la parcelle La modélisation du rendement des cultures et ses incertitudes sont souvent réalisés à l'aide de modèles mécanistes et de techniques de régression sur des covariables agronomiques et météorologiques résumées. De fortes hypothèses de modèle et la perte d'information par l'agrégation des données en indicateurs peuvent engendrer des erreurs de prédictions importantes.
Algorithmes ABC et quelques une de ses variantes récentes. L'algorithme Approximate Bayesian Computation (ABC) est un algorithme d'inférence. En inférence bayésienne, L'algorithme Approximate Bayesian Computation (ABC) est couramment utilisé pour approcher les distributions a posteriori dans des modèles complexes où la vraisemblance n'est pas utilisable. Cela signifie qu'elle n'existe pas, n'est pas disponible sous forme explicite ou est trop difficile à calculer. C'est par exemple le cas pour des problèmes de calibration de certains modèles complexes ou pour l'inférence de jumeaux numériques. L'algorithme ABC est principalement basé sur de multiples simulations du modèle et d'un algorithme des plus proches voisins pour reconstruire la loi a posteriori. Dans cet exposé, nous rappellerons, le problème d'inférence bayésienne, l'algorithme ABC, plusieurs variantes récentes où la méthode des plus proche voisin est remplacée par d'autres méthodes issues de l'apprentissage (Random Forest / Deep Learning) ainsi qu'une nouvelle méthode pour estimer les erreurs de cet algorithme (basée sur l’inférence conformal). Plusieurs exemples illustrerons la présentation.
Analyse de sensibilité avec le modèle APECOSM : comprendre la dynamique des écosystèmes pélagiques actuels et futurs. Les écosystèmes pélagiques, présents dans tous les océans, abritent une diversité d'espèces allant des raies et requins aux poissons commerciaux tels que le thon, les anchois et les sardines. Des communautés moins visibles mais essentielles, comme les organismes mésopélagiques, jouent un rôle clé dans l'exportation du carbone et la régulation climatique. Ces écosystèmes se caractérisent par une forte structuration verticale, une hétérogénéité horizontale et une variabilité temporelle, rendant leur modélisation à grande échelle particulièrement complexe. La rareté des observations limite également la calibration de ces modèles.
Analyse de sensibilité de systèmes complexes : construction de cartes pour sorties fonctionnelles
L’analyse de sensibilité globale (Global Sensitivity Analysis, GSA) vise à quantifier la contribution des variables d’entrée à la variabilité des sorties d’un modèle. Dans le cas de sorties fonctionnelles, un objectif courant est de calculer des cartes de sensibilité (Sensitivity Maps, SM), c’est-à-dire des indices de sensibilité pour chaque dimension de la sortie (par exemple chaque pas de temps pour une série temporelle, ou chaque pixel pour une sortie spatiale). Dans cette présentation, nous montrons d’abord comment obtenir des calculs rapides de cartes de sensibilité de Sobol’ à l’aide d’un développement sur une base générale. Nous considérons ensuite les estimateurs pick-freeze (PF), qui possèdent de bonnes propriétés statistiques (en termes d’efficacité asymptotique) pour les indices de Sobol’ d’ordre quelconque. Nous fournissons des formules analogues pour l’estimateur PF des cartes de sensibilité de Sobol’, en fonction de l’estimateur PF matriciel du vecteur des coefficients sur la base. Nous montrons que, comparée à une approche dimension par dimension, l’économie de calcul est substantielle et permet d’obtenir à la fois les cartes de sensibilité et leurs bornes de confiance bootstrap en un temps raisonnable. Enfin, nous considérons le cadre des processus gaussiens et montrons comment évaluer également l’erreur de modèle, en étendant au cas fonctionnel une méthodologie initialement développée pour le cas scalaire. Nous illustrons l’ensemble de la méthodologie sur une application en hydraulique non newtonienne, modélisant un écoulement idéalisé de type rupture de barrage. Travaux joints avec Yuri Taglieri Sao et Geraldo de Freitas Maciel, de l'Université Sao Paulo, Brésil.
Evaluer la sensibilité du modèle SEAPODYM-LMTL aux données d'entrée – application de la méthode des ensembles à la biomasse de micronecton globale Le micronecton regroupe un grand nombre d'espèces pélagiques de taille intermédiaire (2 à 20 cm) capables de nager sur de courtes distances. Ce compartiment joue un rôle clé dans la fourniture de services écosystémiques : il constitue une ressource alimentaire essentielle pour de nombreuses espèces emblématiques, importantes pour les sociétés humaines et la pêche, et contribue de manière significative à la séquestration du carbone vers les profondeurs océaniques ainsi qu'au cycle des nutriments.
|
