Application du BFN au modèle aux équations primitives de l océan
|
|
- Martin Godin
- il y a 5 ans
- Total affichages :
Transcription
1 Application du BFN au modèle aux équations primitives de l océan
2 Travail effectué sur NEMO (version 9.0 d OPA)
3 Travail effectué sur NEMO (version 9.0 d OPA) Modèle aux équations primitives
4 Travail effectué sur NEMO (version 9.0 d OPA) Modèle aux équations primitives Objectif du BFN : Estimation de la condition initiale
5 PLAN Partie I : Présentation de NEMO (OPA 9.0) Partie II : Programmation du nudging direct et rétrograde Partie III : Résultats numériques
6 Partie I : Présentation de NEMO
7 Partie I Présentation de NEMO Equations primitives Le modèle continu :
8 Partie I Présentation de NEMO Schéma temporel Schéma temporel général :
9 Partie I Présentation de NEMO Organigramme BOUCLE TEMPS
10 Partie I Présentation de NEMO Organigramme BOUCLE TEMPS Mise à jour des données et des paramètres
11 Partie I Présentation de NEMO Organigramme BOUCLE TEMPS Mise à jour des données et des paramètres Pas de temps sur les traceurs
12 Partie I Présentation de NEMO Organigramme BOUCLE TEMPS Mise à jour des données et des paramètres Pas de temps sur les traceurs Pas de temps sur la dynamique
13 Partie I Présentation de NEMO Organigramme BOUCLE TEMPS Mise à jour des données et des paramètres Pas de temps sur les traceurs Pas de temps sur la dynamique
14 Partie I Présentation de NEMO Organigramme BOUCLE TEMPS Mise à jour des données et des paramètres Pas de temps sur les traceurs Pas de temps sur la dynamique
15 Partie I Pas de temps sur les traceurs
16 Partie I Présentation de NEMO Pas de temps sur les traceurs Schéma global : où T est la température et S la salinité ADV est l advection DL est la diffusion latérale (ou horizontale) DV est la diffusion verticale
17 Partie I Présentation de NEMO Pas de temps sur les traceurs Etape 1 : Calcul de tous les termes explicites
18 Partie I Présentation de NEMO Pas de temps sur les traceurs Etape 1 : Calcul de tous les termes explicites Etape 1I : Calcul de la diffusion verticale et résolution d un système linéaire pour l obtention de
19 Partie I Présentation de NEMO Pas de temps sur les traceurs Etape 1 : Calcul de tous les termes explicites Etape 1I : Calcul de la diffusion verticale et résolution d un système linéaire pour l obtention de Etape I1I : Application du filtre d Asselin :
20 Partie I Pas de temps sur la dynamique
21 Partie I Présentation de NEMO Pas de temps sur la dynamique Schéma global : où u est la première composante de la vitesse horizontale et v la seconde et sont les deux composantes du gradient horizontale de l énergie cinétique ph est la pression hydrostatique est la densité de référence est la vorticité relative f est la force de Coriolis
22 Partie I Présentation de NEMO Pas de temps sur la dynamique Etape 1 : Calcul de tous les termes explicites
23 Partie I Présentation de NEMO Pas de temps sur la dynamique Etape 1 : Calcul de tous les termes explicites Etape 1I : Calcul de la diffusion verticale et résolution d un système linéaire pour l obtention des deux composantes de la vitesse en t+ t
24 Partie I Présentation de NEMO Pas de temps sur la dynamique Etape 1 : Calcul de tous les termes explicites Etape 1I : Calcul de la diffusion verticale et résolution d un système linéaire pour l obtention des deux composantes de la vitesse en t+ t Etape I1I : Application du filtre d Asselin : de même pour v
25 Partie I Pas de temps sur la hauteur d eau
26 Partie I Présentation de NEMO Pas de temps sur la hauteur d eau L équation continue est : avec : où est la la vitesse moyennée sur les composantes horizontales H est la paramétrisation du fond
27 Partie I Présentation de NEMO Pas de temps sur la hauteur d eau L équation discrète s écrit alors simplement : avec : La discrétisation de l équation d évolution de la hauteur d eau est donc entièrement explicite Le filtre d Asselin est ensuite appliqué comme pour les autres variables
28 Partie II : Programmation du nudging direct et rétrograde
29 Partie II Nudging direct sur la température
30 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation continue d évolution de la température est :
31 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation continue d évolution de la température est : L équation avec le terme de nudging direct sur la température est : où est le coefficient de nudging de la température (considéré ici comme scalaire) est l opérateur d observation pour la tempéraure est la température observée
32 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation discrète d évolution de la température est :
33 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation discrète d évolution de la température est : Calcul de tous les termes explicites, puis résolution du système linéaire que l on note : où : le vecteur X représente la matrice M est composée de tous les termes implicites c est à dire le vecteur lui même ainsi que la diffusion verticale le vecteur Y représente tous les termes explicites c est à dire notamment le terme, les termes de forçages, l advection et la diffusion latérale
34 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation discrète avec le terme de nudging explicite est :
35 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation discrète avec le terme de nudging explicite est : Le système linéaire alors résolu est le suivant :
36 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la température L équation discrète avec le terme de nudging explicite est : Le système linéaire alors résolu est le suivant : Le filtre d Asselin est ensuite appliqué comme dans le cas sans nudging
37 Partie II Nudging rétrograde sur la température
38 Partie II Programmation du nudging direct et rétrograde Nudging rétrograde sur la température Etape 1 : Inversion du signe du pas de temps
39 Partie II Programmation du nudging direct et rétrograde Nudging rétrograde sur la température Etape 1 : Inversion du signe du pas de temps Etape I1 : Inversion du signe de la diffusion rétrograde : En effet, même si la diffusion latérale a une justification physique (prise en compte des phénomènes sous-mailles), son rôle est essentiellement d assurer la stabilité numérique de la résolution
40 Partie II Programmation du nudging direct et rétrograde Nudging rétrograde sur la température Etape 1 : Inversion du signe du pas de temps Etape I1 : Inversion du signe de la diffusion rétrograde : En effet, même si la diffusion latérale a une justification physique (prise en compte des phénomènes sous-mailles), son rôle est essentiellement d assurer la stabilité numérique de la résolution Etape I1I : Ajout du terme de nudging rétrograde :
41 Partie II Nudging direct sur la hauteur d eau
42 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la hauteur d eau L équation continue d évolution de la SSH est :
43 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la hauteur d eau L équation continue d évolution de la SSH est : L équation avec le terme de nudging direct sur la SSH est : où est le coefficient de nudging de la SSH (considéré ici comme scalaire) est l opérateur d observation pour la SSH est la SSH observée
44 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la hauteur d eau L équation discrète d évolution de la SSH est :
45 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la hauteur d eau L équation discrète d évolution de la SSH est : L équation discrète avec le terme de nudging programmé ici en implicite est :
46 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la hauteur d eau L équation discrète d évolution de la SSH est : L équation discrète avec le terme de nudging programmé ici en implicite est : qui est équivalente à : calculé par le programme sans nudging
47 Partie II Programmation du nudging direct et rétrograde Nudging direct sur la hauteur d eau L équation discrète d évolution de la SSH est : L équation discrète avec le terme de nudging programmé ici en implicite est : qui est équivalente à : calculé par le programme sans nudging Le filtre d Asselin est ensuite appliqué sans modification
48 Partie II Nudging rétrograde sur la hauteur d eau
49 Partie II Programmation du nudging direct et rétrograde Nudging rétrograde sur la hauteur d eau L équation rétrograde pour la hauteur d eau est :
50 Partie II Nudging sur la vitesse
51 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse Aucun contrôle sur les variables de la vitesse
52 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse Aucun contrôle sur les variables de la vitesse Pour le nudging rétrograde avec des observations réalistes : L augmentation de l erreur au cours du temps entre état assimilé et état vrai des variables de la vitesse détériorent les résultats sur la température et la SSH
53 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse Idée : Assimiler également sur les deux composantes u et v de la vitesse horizontale avec des observations artificielles en utilisant l approximation de l équilibre géostrophique Cette approximation revient à considérer que la somme de la force de pression et de la force de Coriolis est nulle
54 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse L équilibre géostrophique s écrit donc de la manière suivante :
55 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse L équilibre géostrophique s écrit donc de la manière suivante : Or et donc le membre de gauche est :
56 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse L équilibre géostrophique s écrit donc de la manière suivante : Or et donc le membre de gauche est : On sait de plus que donc le membre de droite s écrit :
57 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse L équilibre géostrophique s écrit finalement sous la forme du système suivant :
58 Partie II Programmation du nudging direct et rétrograde Nudging sur la vitesse L équilibre géostrophique s écrit finalement sous la forme du système suivant : On peut donc utiliser ce système pour générer des observations artificielles sur u et v à partir des observations sur la hauteur d eau : La programmation des termes de nudging sur u et v est ensuite effectué, comme pour la température, de manière explicite
59 Partie III : Résultats numériques
60 Partie III Resultats numériques Cadre du travail Configuration idéalisée : La grille de discrétisation contient 120 points en longitude, 94 en latitude.
61 Partie III Resultats numériques Cadre du travail Configuration idéalisée : La grille de discrétisation contient 120 points en longitude, 94 en latitude. Elle est régulière en longitude avec une résolution de 0,2544. En latitude, la résolution est de 0,2544 à l équateur (en dehors du domaine) et varie de 0,23 à 0,18 entre les bords Sud et Nord.
62 Partie III Resultats numériques Cadre du travail Configuration idéalisée : La grille de discrétisation contient 120 points en longitude, 94 en latitude. Elle est régulière en longitude avec une résolution de 0,2544. En latitude, la résolution est de 0,2544 à l équateur (en dehors du domaine) et varie de 0,23 à 0,18 entre les bords Sud et Nord. L océan est subdivisé en 11 couches verticales décrites par la coordonnée z.
63 Partie III Resultats numériques Cadre du travail Exemple d un profil de température sur ce domaine de discrétisation :
64 Partie III Resultats numériques Cadre du travail EXPERIENCE DE REFERENCE MESURE DES RESULTATS ERREUR RMS REALITE Principe des expériences jumelles : CREATION D OBSERVATIONS ARTIFICIELLES EBAUCHE (Condition initiale différente) RESOLUTION SANS ASSIMILATION Mesure de l écart à la réalité COMPARAISON RESOLUTION AVEC ASSIMILATION Mesure de l écart à la réalité
65 Partie III Resultats numériques Cadre du travail Etat vrai : Pour générer l état vrai, le modèle a été intégré à partir d un état initial ayant notamment une salinité homogène sur plus de 50 ans jusqu à l obtention du spin-up c est à dire un régime stable de l océan où la taille et le nombre de structures importantes (gyre, tourbillons majeurs,...) varient peu.
66 Partie III Resultats numériques Cadre du travail Etat vrai : Pour générer l état vrai, le modèle a été intégré à partir d un état initial ayant notamment une salinité homogène sur plus de 50 ans jusqu à l obtention du spin-up c est à dire un régime stable de l océan où la taille et le nombre de structures importantes (gyre, tourbillons majeurs,...) varient peu. Fenêtre temporelle d étude : L état de référence s étale alors sur 160 jours à partir de la condition initiale.
67 Partie III Resultats numériques Cadre du travail Etat vrai : Pour générer l état vrai, le modèle a été intégré à partir d un état initial ayant notamment une salinité homogène sur plus de 50 ans jusqu à l obtention du spin-up c est à dire un régime stable de l océan où la taille et le nombre de structures importantes (gyre, tourbillons majeurs,...) varient peu. Fenêtre temporelle d étude : L état de référence s étale alors sur 160 jours à partir de la condition initiale. Discrétisation en temps : La pas de temps est de 15 minutes. Sur notre fenêtre temporelle il y a donc pas de temps.
68 Partie III Resultats numériques Cadre du travail Ebauche : En pratique l ébauche est choisie comme le résultat de la prévision précédente Dans le cadre des expériences jumelles, on choisit en général un état du système éloigné de la condition initiale de plusieurs mois Dans notre cas, nous avons choisi l état de l océan 140 jours après l état initial vrai
69 Partie III Resultats numériques Cadre du travail Comparaison de l ébauche et de l état initial de référence
70
71
72 Partie III Echantillonnage des observations et méthodes d interpolation
73 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Echantillonnage en temps des données sur la température : Nous prenons une observation par jour, c est à dire tous les 96 pas de temps. Une interpolation linéaire est effectuée en temps pour avoir des observations interpolées à chaque pas de temps
74 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Echantillonnage en temps des données sur la température : Nous prenons une observation par jour, c est à dire tous les 96 pas de temps. Une interpolation linéaire est effectuée en temps pour avoir des observations interpolées à chaque pas de temps Echantillonnage en espace des données sur la température : Nous avons choisi de prendre une observation tous les 8 points de grille Aucune interpolation n est faite sur la température en espace
75 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Echantillonnage des données sur la SSH : Simulation de traces satellitaires
76 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Echantillonnage des données sur la SSH : Simulation de traces satellitaires Tous les jours ou tous les 2 jours, des traces satellitaires sont obtenues. Elles ont parcouru une certaine grille du domaine d étude tous les 10 jours et reviennent au point initial.
77 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Traces satellitaires accumulées au bout de 2 jours :
78 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Traces satellitaires accumulées au bout de 10 jours :
79 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Première interpolation en temps des données sur la SSH : Nous interpolons les traces satellitaires pour obtenir une grille complète (figure précédente) tous les 10 jours
80 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Première interpolation en temps des données sur la SSH : Nous interpolons les traces satellitaires pour obtenir une grille complète (figure précédente) tous les 10 jours Interpolation en espace des données sur la SSH A partir de ces grilles, nous interpolons en espace les données pour obtenir une observation interpolée à chaque point de l espace
81 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Interpolation en espace de la SSH :
82 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Comparaison état vrai - état interpolé au 10 ème jour
83 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Comparaison état vrai - état interpolé au 10 ème jour
84 Partie III Resultats numériques Echantillonnage des observations et méthodes d interpolation Seconde interpolation en temps des données sur la SSH : On a donc des observations interpolées qui nous donnent le champ complet en espace tous les 10 jours. On interpole maintenant ces observations pour disposer de données à chaque pas de temps comme pour la température.
85 Partie III Résultats du nudging direct sur la température et la SSH
86 Partie III Resultats numériques Résultats du nudging direct sur la température et la SSH Comparaison avec et sans assimilation K(température) = K(ssh) = 0.002
87 Partie III Resultats numériques Résultats du nudging direct sur la température et la SSH Comparaison avec et sans assimilation K(température) = K(ssh) = 0.002
88 Partie III Résultats du nudging direct sur la température, la SSH et la vitesse
89 Partie III Resultats numériques Résultats du nudging direct sur la température, la SSH et la vitesse Comparaison des deux méthodes et sans assimilation K(température) = K(ssh) = K(u) = K(v) =
90 Partie III Resultats numériques Résultats du nudging direct sur la température, la SSH et la vitesse Comparaison des deux méthodes et sans assimilation K(température) = K(ssh) = K(u) = K(v) =
91 Partie III Résultats du nudging rétrograde sur la température et la SSH
92 Partie III Resultats numériques Résultats du nudging rétrograde sur la température et la SSH Comparaison avec et sans assimilation K (température) = K (ssh) = 0.002
93 Partie III Resultats numériques Résultats du nudging rétrograde sur la température et la SSH Comparaison avec et sans assimilation K (température) = K (ssh) = 0.002
94 Partie III Résultats du nudging rétrograde sur la température, la SSH et la vitesse
95 Partie III Resultats numériques Résultats du nudging rétrograde sur la température, la SSH et la vitesse Comparaison des deux méthodes et sans assimilation K (température) = K (ssh) = K (u) = K (v) =
96 Partie III Resultats numériques Résultats du nudging rétrograde sur la température, la SSH et la vitesse Comparaison des deux méthodes et sans assimilation K (température) = K (ssh) = K (u) = K (v) =
97 Partie III Première itération de BFN sur la température, la SSH et la vitesse
98 Partie III Resultats numériques Première itération de BFN sur la température, la SSH et la vitesse Graphes aller-retour K(température) = K (température) = K(ssh) = K (ssh) = K(u) = K(v) = K (u) = K (v) =
99 Partie III Resultats numériques Première itération de BFN sur la température, la SSH et la vitesse Graphes aller-retour K(température) = K (température) = K(ssh) = K (ssh) = K(u) = K(v) = K (u) = K (v) =
100 Partie III Resultats numériques Première itération de BFN sur la température, la SSH et la vitesse Pourcentage de réduction de l erreur sur la condition initiale Pourcentage de réduction de l erreur Température 48% Hauteur d eau 66% U 40% V 37%
101 Conclusions
102 Conclusions Le BFN parvient à réduire significativement l erreur au cours de la simulation sur toutes les variables, donc également sur l état initial.
103 Conclusions Le BFN parvient à réduire significativement l erreur au cours de la simulation sur toutes les variables, donc également sur l état initial. La choix de l interpolation sur la SSH a permis d obtenir de meilleurs résultats sur cette variable.
104 Conclusions Le BFN parvient à réduire significativement l erreur au cours de la simulation sur toutes les variables, donc également sur l état initial. La choix de l interpolation sur la SSH a permis d obtenir de meilleurs résultats sur cette variable. Il faut noter, de plus, qu au cours de la résolution, l erreur entre l état assimilé et l état vrai est plus faible que l erreur entre l interpolation et l état vrai. Cela montre que le BFN ne se contente pas de coller à l interpolation. Cette erreur est plus faible grâce au compromis entre observations et équations du modèle propre au BFN.
105 Conclusions Le BFN parvient à réduire significativement l erreur au cours de la simulation sur toutes les variables, donc également sur l état initial. La choix de l interpolation sur la SSH a permis d obtenir de meilleurs résultats sur cette variable. Il faut noter, de plus, qu au cours de la résolution, l erreur entre l état assimilé et l état vrai est plus faible que l erreur entre l interpolation et l état vrai. Cela montre que le BFN ne se contente pas de coller à l interpolation. Cette erreur est plus faible grâce au compromis entre observations et équations du modèle propre au BFN. La mise en place du nudging sur U et V grâce à l équilibre géostrophique fournit un bon moyen d améliorer le nudging rétrograde.
106 Conclusions Le BFN parvient à réduire significativement l erreur au cours de la simulation sur toutes les variables, donc également sur l état initial. La choix de l interpolation sur la SSH a permis d obtenir de meilleurs résultats sur cette variable. Il faut noter, de plus, qu au cours de la résolution, l erreur entre l état assimilé et l état vrai est plus faible que l erreur entre l interpolation et l état vrai. Cela montre que le BFN ne se contente pas de coller à l interpolation. Cette erreur est plus faible grâce au compromis entre observations et équations du modèle propre au BFN. La mise en place du nudging sur U et V grâce à l équilibre géostrophique fournit un bon moyen d améliorer le nudging rétrograde. Il reste encore à étudier plus en détail le choix des coefficients pour obtenir des résultats potentiellement meilleurs.
107 Conclusions Le BFN parvient à réduire significativement l erreur au cours de la simulation sur toutes les variables, donc également sur l état initial. La choix de l interpolation sur la SSH a permis d obtenir de meilleurs résultats sur cette variable. Il faut noter, de plus, qu au cours de la résolution, l erreur entre l état assimilé et l état vrai est plus faible que l erreur entre l interpolation et l état vrai. Cela montre que le BFN ne se contente pas de coller à l interpolation. Cette erreur est plus faible grâce au compromis entre observations et équations du modèle propre au BFN. La mise en place du nudging sur U et V grâce à l équilibre géostrophique fournit un bon moyen d améliorer le nudging rétrograde. Il reste encore à étudier plus en détail le choix des coefficients pour obtenir des résultats potentiellement meilleurs. Il faut également étudier le BFN sur plusieurs itérations et sa rapidité de convergence.
108
Cours IV Mise en orbite
Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailFormation à la C F D Computational Fluid Dynamics. Formation à la CFD, Ph Parnaudeau
Formation à la C F D Computational Fluid Dynamics Formation à la CFD, Ph Parnaudeau 1 Qu est-ce que la CFD? La simulation numérique d un écoulement fluide Considérer à présent comme une alternative «raisonnable»
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailLes Conditions aux limites
Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
Plus en détailInnovations Majeures de la Version 4
Innovations Majeures de la Version 4 Un nouvel environnement SIG avec de puissants outils graphiques. De nouveaux moteurs hydrologiques et hydrauliques plus sûrs et plus performants. De nouveaux modes
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailLatitude 49.37 N Longitude 06.13 E Altitude 376 m RÉSUMÉ MENSUEL DU TEMPS DE JANVIER 2014
RÉSUMÉ MENSUEL DU TEMPS DE JANVIER 2014 Valeurs moyennes: Valeur Jour Valeur (en C) (en C) (en C) gazon (en C) 11,4 7 13,9 1975 3,6 0,8 4,9 2007-6,3 1963-3,0 29-17,8 1979-2,8 12-24,6 1985 37,1 50,3 95,5
Plus en détailEtudes des nuages et de la convection autour des dépressions intenses des moyennes latitudes
Etudes des nuages et de la convection autour des dépressions intenses des moyennes latitudes Jérôme DREANO 28 Février 2014 1 Introduction Dans le modèle LMDZ, les paramétrisations physiques des nuages
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailAméliorer les performances du site par l'utilisation de techniques de Web Mining
Améliorer les performances du site par l'utilisation de techniques de Web Mining CLUB SAS 2001 17/18 octobre 2001 Stéfan Galissie LINCOLN stefan.galissie@lincoln.fr contact@web-datamining.net 2001 Sommaire
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailCelestia. 1. Introduction à Celestia (2/7) 1. Introduction à Celestia (1/7) Université du Temps Libre - 08 avril 2008
GMPI*EZVI0EFSVEXSMVIH%WXVSTL]WMUYIHI&SVHIEY\ 1. Introduction à Celestia Celestia 1.1 Généralités 1.2 Ecran d Ouverture 2. Commandes Principales du Menu 3. Exemples d Applications 3.1 Effet de l atmosphère
Plus en détailSavoir lire une carte, se situer et s orienter en randonnée
Savoir lire une carte, se situer et s orienter en randonnée Le b.a.-ba du randonneur Fiche 2 Lire une carte topographique Mais c est où le nord? Quel Nord Le magnétisme terrestre attire systématiquement
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailCLUB DE MARCHE Ballade et Randonnée
CLUB DE MARCHE Ballade et Randonnée SOMMAIRE 1 LA CARTE 1.1 Les types de carte 1.2 Les différentes échelles 1.3 - Les informations figurants sur les cartes au 1/25000 ème 1.3.1 - Le cadre 1.3.2 Les couleurs
Plus en détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
Plus en détailLecture graphique. Table des matières
Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailPROJET ACCLIMATE ETUDE SIM-CLIM THEME 3 Etude bilan des possibilités d une simulation climatique régionale
Commission de l Océan Indien Projet ACCLIMATE 1 PROJET ACCLIMATE ETUDE SIM-CLIM THEME 3 Etude bilan des possibilités d une simulation climatique régionale Résumé Commission de l Océan Indien Projet ACCLIMATE
Plus en détailERGONOMIE ET OPTIMISATION DU TAUX DE CONVERSION D UN SITE INTERNET Partie 1/2
Lorraine ERGONOMIE ET OPTIMISATION DU TAUX DE CONVERSION D UN SITE INTERNET Partie 1/2 Attirer des visiteurs sur un site internet, c est bien ; les transformer en clients, c est mieux! Cette phrase semble
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailQualité du logiciel: Méthodes de test
Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution
Plus en détailMonitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailCHAPITRE 6 : LE RENFORCEMENT DU MODELE PAR SON EFFICACITE PREDICTIVE
1 CHAPITRE 6 : LE RENFORCEMENT DU MODELE PAR SON EFFICACITE PREDICTIVE Quels sont les arguments qui permettent de renforcer le modèle? 2 3 I. UNE CONFIRMATION DE L EXPANSION DU PLANCHER OCÉANIQUE A.LES
Plus en détailLes fonction affines
Les fonction affines EXERCICE 1 : Voir le cours EXERCICE 2 : Optimisation 1) Traduire, pour une semaine de location, chaque formule par une écriture de la forme (où x désigne le nombre de kilomètres parcourus
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailDÉVERSEMENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYMÉTRIQUE SOUMISE À DES MOMENTS D EXTRÉMITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE
Revue Construction étallique Référence DÉVERSEENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYÉTRIQUE SOUISE À DES OENTS D EXTRÉITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE par Y. GALÉA 1 1. INTRODUCTION Que ce
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailModélisation couplée des processus de surface et souterrains pour prédire la distribution spatiale de l'évapotranspiration.
Contacts : jean-martial.cohard@ujf-grenoble.fr AMA Fall Meeting 2013 Toulouse, 22-24 janvier Modélisation couplée des processus de surface et souterrains pour prédire la distribution spatiale de l'évapotranspiration.
Plus en détailEn face du commanditaire, on met un chef de projet qui connait le domaine (banque, administration, etc.)
Atelier «Science du projet» séance 4 8 novembre 2008 Compte rendu 1. Sébastien Larribe : la méthode AGILE, méthode de gestion de projet Sébastien Larribe part de l hypothèse que des méthodes de conception,
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailRôle des nuages dans l'anomalie de température de l'hiver 2007 en Europe
Rôle des nuages dans l'anomalie de température de l'hiver 2007 en Europe Meriem Chakroun Marjolaine Chiriaco (1) Sophie Bastin (1) Hélène Chepfer (2) Grégory Césana (2) Pascal Yiou (3) (1): LATMOS (2):
Plus en détail1 La visualisation des logs au CNES
1 La visualisation des logs au CNES 1.1 Historique Depuis près de 2 ans maintenant, le CNES a mis en place une «cellule d analyse de logs». Son rôle est multiple : Cette cellule est chargée d analyser
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailL initiative COMODO. Compte rendu de la réunion d Autrans, Réunion COMODO MARMO, 29-31 mars 2010
L initiative COMODO Compte rendu de la réunion d Autrans, Réunion COMODO MARMO, 29-31 mars 2010 Les participants HYCOM MARS NEMO ROMS SYMPHONIE T-UGOm MERCATOR Autres Y. Morel F. Dumas, V. Garnier, S.
Plus en détailafférent au projet de décret relatif aux obligations indexées sur le niveau général des prix
CONSEIL NATIONAL DE LA COMPTABILITÉ Note de présentation - Avis N 2002-11 du 22 octobre 2002 afférent au projet de décret relatif aux obligations indexées sur le niveau général des prix Sommaire I - Rappels
Plus en détailNotice d installation sur le véhicule
Boîtier TACHYCOMGPRS Système de transfert automatique et à distance des données issues des chronotachygraphes numériques (Fichiers au format réglementaire DDD) Notice d installation sur le véhicule Antenne
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailPerformances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire.
Performances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire. Patrick DUPEYRAT 1,2*, Yu BAI 3,4, Gérald KWIATKOWSKI 5, Gilles FRAISSE 3 Christophe MENEZO 2,3 et
Plus en détailKnowledge Enabled Real-Time Recommendation System
Knowledge Enabled Real-Time Recommendation System Syed Gillani, Jules Chevalier syed.gillani@univ-st-etienne.fr jules.chevalier@univ-st-etienne.fr Institut Henri Fayol, École des Mines de Saint-Étienne
Plus en détailI - Quelques propriétés des étoiles à neutrons
Formation Interuniversitaire de Physique Option de L3 Ecole Normale Supérieure de Paris Astrophysique Patrick Hennebelle François Levrier Sixième TD 14 avril 2015 Les étoiles dont la masse initiale est
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en détailComment sélectionner des sommets, des arêtes et des faces avec Blender?
Comment sélectionner des sommets, des arêtes et des faces avec Blender? VVPix v 1.00 Table des matières 1 Introduction 1 2 Préparation d une scène test 2 2.1 Ajout d objets dans la scène.........................................
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailFormation tableur niveau 1 (Excel 2013)
Formation tableur niveau 1 (Excel 2013) L objectif général de cette formation est de repérer les différents éléments de la fenêtre Excel, de réaliser et de mettre en forme un tableau simple en utilisant
Plus en détailDesigner d escalier GUIDE DE L UTILISATEUR. Stair Designer-1
Designer d escalier GUIDE DE L UTILISATEUR Stair Designer-1 Stair Designer-2 Designer d escalier Le Designer d escalier rend facile la réalisation et la mise en place d escaliers sur mesure dans votre
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailSupport de formation Notebook
Support de formation Notebook Guide de l utilisateur du tableau interactif SMART Board Table des matières Le Tableau Blanc Interactif... 1 Comprendre le fonctionnement du TBI... 1 Utiliser le plumier
Plus en détailhttp://vanconingsloo.be/les-cours/modules-informatiques-et-internet/internet/gmail/libelles
Les libellés http://vanconingsloo.be/les-cours/modules-informatiques-et-internet/internet/gmail/libelles Pour ranger vos messages, Gmail utilise un procédé un peu déroutant, mais très pratique. En effet,
Plus en détailLe plombier chauffagiste a aussi besoin de cette représentation pour savoir ce qu il y a à l intérieur de la maison au niveau des hauteurs.
Les informations du plan Vous connaissez trois types de représentation d un pavillon : 1 : La perspective 2 : Les façades (page 2 ) 3 : La vue en plan (page 3) Observer attentivement la vue de la page
Plus en détailAGASC / BUREAU INFORMATION JEUNESSE 06700 Saint Laurent du Var Tel : 04.93.07.00.66 E mail : bij@agasc.fr CONSEILS ET ASTUCES
CONSEILS ET ASTUCES 1. ENVOI COURRIER à partir d un document initial Procédure à suivre pour utiliser son logiciel de messagerie outlock Je sélectionne mon document «clic droit» Je fais glisser mon curseur
Plus en détailInnovation pour l intégration des systèmes
Innovation pour l intégration des systèmes PERFORMANCE MADE SMARTER PLATINE PR Solution de montage simple et fiable entre le système DCS/API/SIS et les isolateurs/interfaces S. I. TEMPÉRATURE INTERFACES
Plus en détailINTRODUCTION AUX TESTS CODES DE L INTERFACE UTILISATEUR
INTRODUCTION AUX TESTS CODES DE L INTERFACE UTILISATEUR 1 Introduction aux tests codés de l interface utilisateur (Coded UI Tests) Sommaire Avertissement...2 Aperçu...3 1. Génération des tests codés depuis
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailMesurer les performances (CPU) sous Linux
Titre : Mesurer les performances (CPU) sous Linux Date : 22/07/2015 Page : 1/7 Mesurer les performances (CPU) sous Linux Résumé : Il existe des outils permettant de tracer les temps CPU utilisés (profiling).
Plus en détailTRAVAUX PRATIQUESDE BIOCHIMIE L1
TRAVAUX PRATIQUESDE BICHIMIE L1 PRINTEMPS 2011 Les acides aminés : chromatographie sur couche mince courbe de titrage Etude d une enzyme : la phosphatase alcaline QUELQUES RECMMANDATINS IMPRTANTES Le port
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailIntroduction à la Visualisation Scientifique
à la Visualisation Scientifique CEA, DAM, DIF stephane.marchesin@gmail.com 5 décembre 2008 à la Visualisation Scientifique p. 1 / 22 1 2 à 3 4 à 5 à la Visualisation Scientifique p. 2 / 22 à Ces dernières
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailSIMULATION DU PROCÉDÉ DE FABRICATION DIRECTE DE PIÈCES THERMOPLASTIQUES PAR FUSION LASER DE POUDRE
SIMULATION DU PROCÉDÉ DE FABRICATION DIRECTE DE PIÈCES THERMOPLASTIQUES PAR FUSION LASER DE POUDRE Denis DEFAUCHY Gilles REGNIER Patrice PEYRE Amine AMMAR Pièces FALCON - Dassault Aviation 1 Présentation
Plus en détailOrganigramme / Algorigramme Dossier élève 1 SI
Organigramme / Algorigramme Dossier élève 1 SI CI 10, I11 ; CI 11, I10 C24 Algorithmique 8 février 2009 (13:47) 1. Introduction Un organigramme (ou algorigramme, lorsqu il est plus particulièrement appliqué
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailMAQUETTE DE MAISON EN BOIS ET EN BRIQUES
évolutions possibles Dossier réalisé par Christian BÉGUÉ Cyril LASCASSIES HPY version d' août 00 Table des matières A) IMPLANTATION DE LA MAISON... )Travail à faire :... )Matériel nécessaire :... B & C)
Plus en détailSatisfaction des stagiaires de BRUXELLES FORMATION Résultats 2013
Satisfaction des stagiaires de BRUXELLES FORMATION Résultats 2013 Cahier méthodologique, tableau récapitulatif 2009-2013 et Matrices importance/performance Mars 2014 Service Études et Statistiques Table
Plus en détailE.I.S : Un outil performant pour I'analyse du risque en Assurance
E.I.S : Un outil performant pour I'analyse du risque en Assurance Fabienne Hassan - Pascale Robin - Guy Valdois - Groupama Central Assurance France 1 - GROUPAMA ASSURANCE 1-1 Positionnement de l'entreprise
Plus en détailPanneau solaire ALDEN
SOMMAIRE 1. Présentation... 1.1. Mise en situation... 1.2. Analyse du besoin... 4 1.. Problématique... 4 1.4. Expression du besoin... 5 1.5. Validation du besoin... 5 2. Analyse fonctionnelle... 2.1. Définition
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailL inégale répartition de l énergie solaire est à l origine des courants atmosphériques
L inégale répartition de l énergie solaire est à l origine des courants atmosphériques I/ Objectif : Dans la partie 2 du programme de seconde «enjeux planétaires contemporains : énergie et sol», sous partie
Plus en détaildocument proposé sur le site «Sciences Physiques en BTS» : http://nicole.cortial.net BTS AVA 2015
BT V 2015 (envoyé par Frédéric COTTI - Professeur d Electrotechnique au Lycée Régional La Floride Marseille) Document 1 - Etiquette énergie Partie 1 : Voiture à faible consommation - Une étiquette pour
Plus en détailGÉODÉSIE, COORDONNÉES ET GPS
GÉODÉSIE, COORDONNÉES ET GPS LES PROJECTIONS La représentation du globe terrestre sur un plan en deux dimensions exige une opération nommée projection. Une projection s appuie sur un géoïde, qui est une
Plus en détailChamp électromagnétique?
Qu est-ce qu un Champ électromagnétique? Alain Azoulay Consultant, www.radiocem.com 3 décembre 2013. 1 Définition trouvée à l article 2 de la Directive «champs électromagnétiques» : des champs électriques
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailLe logiciel M4R (Monitoring for Results)
L innovation appliquée au service de la nouvelle gouvernance Le logiciel M4R (Monitoring for Results) de IDEA-Solutions Un réseau international opérant en trois langues une formation combinée à l action
Plus en détailT.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY
T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailGestionnaire de champs PRO
Logiciel de gestion des cultures et des champs Guide de représentation cartographique Field Manager PRO 360 Gestionnaire de champs PRO 360 Guide de représentation cartographique de Gestionnaire de champs
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détail