Soutenance mémoire
Si les prévisions météo sont devenues possibles c’est grâce en grande partie aux outils de mesures qui peuvent faire des relevés (température, pression, vent, etc.) sur la terre ferme ou dans l’atmosphère. Ce sont ces données qui sont fournies aux outils de prévisions qui les utilisent pour prédire le temps qu’il fera dans les prochains jours. De nos jours, les systèmes d’information ont connu une évolution importante dans le domaine météorologique. Cette évolution a entraîné la diversité des données produites et traitées ainsi que de leurs sources. Face à cette constante évolution, les utilisateurs sont de plus en plus intéressés par la qualité des données exploitées.
Température et Météo
Avez-vous remarqué que les prévisions météorologiques quotidiennes ne sont pas toujours correctes? C’est en partie parce que les scientifiques essayent toujours d’en apprendre plus sur la façon dont notre atmosphère fonctionne. Les mesures de température de l’air, et en particulier la manière dont la température de l’air varie lors du passage d’un orage, sont importantes pour aider les scientifiques à mieux comprendre notre atmosphère de jour en jour. Cette compréhension permettra aux météorologistes de prévoir exactement la météo du lendemain, ou même de la semaine suivante. Les mesures de la température de l’air sont également importantes pour comprendre les précipitations. La forme sous laquelle tombe les précipitations – pluie, grêle, neige, ou pluies verglaçantes – dépend de la température de l’air. La température de l’air affecte aussi la quantité d’humidité qui s’évaporera, ainsi que l’humidité relative de l’atmosphère. L’humidité évaporée de corps terrestres et aquatiques vers l’atmosphère alimente les orages et affecte considérablement la météo. Température et climat Est-ce que cette année est une année exceptionnellement chaude? La terre se réchauffe-t-elle comme certains scientifiques l’ont prédit? La température moyenne de votre école change-t-elle en raison de changements locaux de la couverture du sol ? Pour répondre à ces questions et à d’autres concernant le climat terrestre, des mesures des températures maximale et minimale de l’air, ainsi que du sol, sont nécessaires, mois par mois, année après année. Généralement, les villes sont plus chaudes que les campagnes les entourant. Les villes grandissant, les températures peuvent augmenter davantage du fait de l’expansion des secteurs goudronnés et des bâtiments en béton. La compréhension des variations locales du réchauffement et refroidissement aide les scientifiques à déterminer s’il y a un changement global de la température moyenne de l’air en surface. Les données des observations effectuées dans divers environnements, de la campagne au centre urbain, sont nécessaires pour étudier ces changements dans le climat de la Terre.
Les scientifiques qui étudient le climat terrestre recherchent des modèles de variation de température à différentes latitudes et longitudes. En d’autres termes, est-ce que tous les endroits sur Terre se refroidissent ou se réchauffent à la même vitesse? Les modèles sur ordinateur prévoient que si le climat de la Terre change à cause de l’effet de serre, les régions polaires se réchaufferont plus que les régions tropicales (bien que les régions polaires demeurent plus froides que les régions tropicales). Les modèles prévoient également que les températures moyennes nocturnes augmenteront plus que la température moyenne diurne, et qu’une augmentation des températures sera plus marquée en hiver qu’en été. Evaluer des prévisions par modèle du changement climatique de la Terre exige une quantité énorme de données relevées a beaucoup d’endroits différents de la Terre, et ce sur de longues périodes. Les mesures des températures quotidiennes maximale et minimale de l’atmosphère effectuées par les écoles GLOBE partout dans le monde peuvent tous nous aider à mieux comprendre le climat [1].
Comment sont mesurées les températures en météorologie ?
La température et les précipitations sont les deux paramètres atmosphériques les plus fréquemment mesurés. Or, si les principes physiques mis en œuvre sont simples, il convient d’admettre que des erreurs de mesure importante peuvent exister. Comme on pourrait s’en douter, les météorologistes ne se contentent pas de relever la température d’un thermomètre posé sur le rebord d’une fenêtre. En effet, des mesures prises sans précaution donneraient automatiquement des résultats fortement influencés par l’environnement de l’outil de mesure [1].
La température est une mesure influencée par de nombreux facteurs
Le degré de chaleur diffère forcément de la température que l’on ressent car cette dernière est fonction de l’humidité ambiante, du vent ou même encore du rayonnement solaire, apte à provoquer de très fortes hausses de température. Placer le thermomètre à l’ombre ne résout pas le problème puisque l’outil tend à s’échauffer encore de quelques degrés du fait de la réflexion des rayons sur l’environnement (terrasse, fenêtres, toiture etc…). De plus, si l’appareil était mouillé, l’évaporation d’eau entraînerait un certain refroidissement. Ces conditions, en partie aléatoires, empêcheraient à coup sûr de comparer entre eux les différents relevés de températures.
Des conditions de mesure sous abri standardisées
Aussi, afin de mesurer la température dans des conditions absolument standards, et de pouvoir en déduire des cartes d’isothermes (lignes d’égale température), il est indispensable que le thermomètre soit toujours dans le même environnement. C’est pourquoi l’appareil est placé dans un abri météorologique, le plus neutre possible, donc peint en blanc et dans lequel il est justement protégé des intempéries (neige, grêle, pluie, rosée) comme du rayonnement solaire et infrarouge. Pour éviter tout biais, la base de l’abri est installée sur un sol naturel à végétation basse (idéalement un gazon) et le capteur de température est placé à environ 1,50 mètre du sol. Les météorologistes disposent ainsi de la température minimale (relevée à 18h), maximale (relevée à 6h) et moyenne enregistrée au cours des dernières 24 heures [2].
Une mesure en réalité facilement perfectible
Si les capteurs de température présentent une fiabilité très satisfaisante, en revanche l’incertitude de la mesure de la température de l’air persiste essentiellement en raison de la difficulté de disposer d’un abri et d’un emplacement parfaitement neutre. Tous les corps émettent un rayonnement infrarouge d’intensité variable expliquant le refroidissement nocturne important du sol et des objets. L’abri doit donc être capable de protéger le capteur de tels déséquilibres. Mais la contrepartie est que ces abris météorologiques sont peu ajourés et ont tendance à réduire la ventilation de manière trop drastique. C’est pourquoi les meilleurs abris s’accompagnent désormais d’une ventilation naturelle [2].
Et comment faire en l’absence d’abri ?
Si vous ne disposez pas d’un d’abri, il est conseillé de suspendre le thermomètre à l’ombre, c’est à dire du côté nord de la maison (afin de s’affranchir des effets du rayonnement solaire direct), à distance des murs et à l’abri des précipitations. Un sol bétonné, qui aurait emmagasiné de la chaleur toute la journée, est bien entendu proscrit. Ne perdez pas de vue que la lecture du thermomètre doit se faire l’œil bien en face du liquide pour éviter tout risque d’erreur de parallaxe. Et bien sûr, afin de pouvoir comparer les mesures entre elles, prenez soin de toujours réaliser les relevés aux mêmes heures et sur le même instrument [2].
|
Table des matières
Chapitre I Introduction générale
I.1 Introduction
I.2 Contexte de recherche
I.3 Problématique et objectif
I.4 Objectifs spécifiques
Chapitre II. Etat de l’art sur la température et de la qualité de données pour la prévision
II.1 Introduction
II.2 Température et Météo
II.2.1 Comment sont mesurées les températures en météorologie ?
II.2.1.1 La température est une mesure influencée par de nombreux facteurs
II.2.1.2 Des conditions de mesure sous abri standardisées
II.2.1.3 Une mesure en réalité facilement perfectible
II.2.1.4 Et comment faire en l’absence d’abri ?
II.3 Température et composition atmosphérique
II.4 Les capteurs de températures
II.4.1 Définition des capteurs de température
II.4.2 Famille des capteurs de températures
II.4.2.1 Capteurs de température à contact
II.4.2.2 Capteurs à résistance métallique
II.4.2.3 Thermistances
II.4.2.4 Thermocouples
II.4.2.5 Capteurs de température à distance
II.5 Qualité de données des relevés de capteur de température pour la prévision météorologique
II.5.1 Les données et flux issus de réseaux de capteurs
II.5.2 Les réseaux de capteurs et le contexte environnemental
II.6 Conclusion
CHAPITRE III Etat de l’art sur l’Apprentissage automatique
III.1 Introduction
III.2 L’apprentissage automatique ou Machine Learning
III.2.1 Méthode d’apprentissage automatique
III.2.2 La méthode d’Apprentissage Supervisé
III.2.2.1 Les algorithmes de classification
III.2.2.2 Les algorithmes de régression
III.2.3 La méthode d’Apprentissage non Supervisé
III.2.4 La méthode Apprentissage semi-supervisé
III.2.5 Apprentissage par renforcement
III.3.1 Indicateurs de performance en classification
III.3.1.1 Matrice de confusion
III.3.1.2 Indicateurs de base
III.3.1.3 Courbe ROC (Received Operating Characteristic)
III.3.2 Évaluez un algorithme de régression
III.3.2.1 Mesures d’erreur
III.3.2.2 Coefficient de détermination
III.3.2.3 L’erreur absolue moyenne (MAE)
III.3.2.4 L’erreur absolue relative (RAE)
III.3.2.5 L’erreur Zero One Mean (MZOE)
III.3.2.6 L’erreur absolue moyenne en pourcentage (Mean Absolute Pourcentage Error, alias MAPE)
III.4 Conclusion
Chapitre IV : Etat de l’art sur Les réseaux de neurones
IV.1 Introduction
IV.2 Le neurone formel
IV.3 Modélisation d’un neurone formel
IV.3.1 Les différents réseaux de neurones
IV.3.2 Les réseaux de neurones statiques
IV.3.3 Les réseaux de neurones dynamiques
IV.4 Propriétés fondamentales des réseaux de neurones
IV.4.1 De l’approximation de fonction à la modélisation statistique
IV.4.2 Apprentissage des réseaux de neurones
IV.4.3 Position du problème
IV.4.5 Apprentissage des réseaux dynamiques
IV.5 La Modélisation pour la prévision
IV.5.1 Prévision à un horizon supérieur à une période d’échantillonnage
IV.5.2 Démarche de conception d’un prédicteur neuronal
IV.5.3 Variables descriptives
IV.5.4 Structure d’interconnexion
IV.6 Les perceptrons multicouches (PMC)
IV.6.1 Détermination des entrées
IV.6.2 Nombre de nœuds cachés
IV.6.3 Optimisation
VI.6.4 Conclusion
Chapitre V : Travaux Connexes sur les réseaux de neurones
V.1 Introduction
V.2 Le succès des réseaux de neurones par rapport à divers domaines
V.3 Le succès des réseaux de neurones par rapport à la prédiction de la météorologie
V.4 Conclusion
CHAPITRE VI : Proposition et amélioration du type réseau de neurones
VI.1 Introduction
VI.2 Séries temporelles
VI.3 Solution de réseau de neurones proposé
VI.4 Architecture LSTM
VI.6 Conclusion
Chapitre VII : Conclusion générale
