Analyse nationale des tendances et ruptures dans le régime des extrêmes hydrométriques (crues et étiages) en France
|
|
- Catherine Beauchemin
- il y a 7 ans
- Total affichages :
Transcription
1 Analyse nationale des tendances et ruptures dans le régime des extrêmes hydrométriques (crues et étiages) en France M. Lang (1), B. Renard (1), P. Bois (2), A. Dupeyrat (3), O. Mestre (4), H. Niel (5), J. Gailhard (6), C. Laurent (3), L. Neppel (5), E. Sauquet (1) (1) Cemagref, U.R HHLY, Lyon (3) EDF /LNHE, Chatou (5) Laboratoire Hydrosciences, Montpellier (2) LTHE, Grenoble (4) Météo-France, ENM, Toulouse (6) EDF/DTG, Grenoble 1
2 Introduction Extrêmes hydrologiques et changement climatique «De toute évidence, le climat de la Terre a évolué à l échelle régionale et mondiale depuis l époque préindustrielle» (GIEC 2001) Conséquences sur les régimes hydrologiques? Gestion du risque hydrologique en contexte non stationnaire? Progresser sur la méthodologie de détection de changements Comment choisir un test? Régionalisation d une tendance Étudier la stationnarité du régime hydrologique extrême en France En crue En étiages Proposer des outils de gestion des risques dans un contexte non stationnaire La stationnarité vue comme une incertitude Approche régionale 2
3 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Analyse bibliographique sur la détection de changements Cf. rapport PNRH (2003) 1. Analyses descriptives représentation visuelle des données (chronique de base, lissée) Analyse préliminaire, fiches synthétiques de résultats 2. Procédures de segmentation et d homogénéisation découpage de la série en sous-série homogènes Niveau de significativité souvent non connu 3. Tests statistiques évaluation de la validité d une hypothèse (avec un risque d erreur) Tri à faire parmi le grand nombre de tests disponibles 4. Approche bayésienne cadre probabiliste permettant de combiner plusieurs niveaux d analyse analyse régionale, gestion des incertitudes 3
4 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Diversité des variables à étudier Variables Hydrologiques Maxima annuels Valeurs supérieures à un seuil Nombre annuel d'évènements Minima annuels Propriétés probabilistes GEV Pareto Généralisée Poisson GEV + éventuelle autocorrélation Indice de forme des hydrogrammes??? Qu est-ce qu un «bon» test? Première qualité: Estimer la région de rejet de H 0 avec une probabilité conforme au risque de première espèce spécifié α. (test non biaisé) Seconde qualité: Etre capable de détecter à raison de faibles tendances (puissance du test) Troisième qualité: Conserver les deux premières qualités en cas de non respect des conditions d application du test (robustesse du test) Pour évaluer ces performances: données simulées 4
5 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives 1 Analyse comparative de tests statistiques : robustesse à la non-normalité Taux de rejet de H Tests peu robustes N(0;1) Gu(50;100) GEV(50;100;-0.2) LogN(0;1) GEV(50;100;-0.5) α=0.05 Distribution simulée Spearman MK McG&W Pettitt régression linéaire GardnerU GardnerNU Buishand Hawkins LR-tendance LR-rupture Tests robustes 5
6 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Analyse comparative de tests statistiques : présence d autocorrélation Modified Mann-Kendall «Trend-free pre-whitening» Taux de rejet de H α=0.05 Taux de rejet de H α= lag-1 autocorrelation H&R H&R, hypothèse AR(1) Y&W Y&W, hypothèse AR(1) lag-1 autocorrelation Spearman MK McG&W Pettitt regression linéaire GardnerU GardnerNU Buishand Hawkins LR-tendance LR-rupture Certaines techniques efficaces d autres moins. 6
7 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Analyse comparative de tests statistiques : test paramétrique (LR-tendance) vs test non paramétrique (Mann-Kendall) 7 Données Gaussiennes Données GEV Net gain avec les tests paramétriques pour les lois des valeurs extrêmes
8 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Mise au point d un schéma de sélection de tests présence d autocorrélation? Distribution des données? Rupture ou tendance? Échantillon de petite taille? 8
9 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Insuffisances de l analyse locale Exemple 1: on effectue un test sur 50 stations, avec un risque d erreur à 10% Si toutes les stations sont stationnaires, on s attend tout de même à détecter environ 5 stations non stationnaires. Que dire si on en détecte 6? 10? 20? Significativité régionale Exemple 2: Sur 10 sites provenant d une région homogène (au sens hydroclimatique), on détecte 10 changements, 5 à la hausse, 5 à la baisse. Signature d un changement climatique? Cohérence régionale 9
10 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Significativité régionale de tests locaux : à partir de combien de changements locaux peut-on affirmer qu ils ne sont pas tous dus au hasard? Stations indépendantes: loi binomiale (Exemple précédent : minimum 8 stations pour obtenir la significativité régionale) Sinon: prendre en compte la dépendance spatiale «Que se passerait-t-il avec des données ayant la même dépendance spatiale, mais toutes stationnaires?» Passage par un «effectif efficace» Méthodes de rééchantillonnage (Bootstrap-années) Utilisation de copules corrélation croissante 10
11 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Modélisation de la dépendance entre valeurs extrêmes Utilisation d une copule Gaussienne F( x,..., x ) = c( F ( x ),..., F ( x )) 1 d 1 1 d d =Φ ( 1 1 φ ( F ) 1 ( x1)),..., φ ( F ( x )) d d d Passage dans l espace des probabilités Transformation Gaussienne Modélisation par une Gaussienne multivariée Anamorphose des marginales! Hypothèse forte! 11
12 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Significativité régionale On effectue un test à 5% sur 100 stations. Si toutes les stations sont stationnaires, on s attend tout de même à détecter environ 5 stations non stationnaires. Que dire si on en détecte 6? 10? 20? 1. Estimation des lois marginales 2. Estimation de la copule 3. Simulations de nouvelles données stationnaires 4. Application de tests de stationnarité à 5% 12
13 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Cohérence régionale: à l intérieur d une même région (au sens hydroclimatique), les changements vont-ils «dans le même sens»? Exemple: MAXAN station ( α β + ξ) Y it, GEV i, i (1 ct), année Paramètres locaux Problème 1: Beaucoup de paramètres à estimer Méthodes MCMC 6 stations, 14 paramètres Paramètres régionaux Problème 2: Dépendance entre valeurs extrêmes 13
14 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Crues et étiages en France: une évolution? 14
15 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives 15 Démarche d analyse 1. Choix des stations à analyser Critères : longue série (au moins 40 ans), avec des données de qualité (absence d influence, stabilité du lit, suivi des détarages) Visite préliminaire des gestionnaires hydrométriques Jeu de 200 longues séries hydrométriques 2. Analyse locale d évolutions Extraction des variables de test (à partir de la chronique des débits journaliers) Visualisation des résultats par station : dialogue avec les gestionnaires pour l interprétation (métrologie) Jeu réduit de longues séries hydrométriques (en cours) 3. Interprétation sur l origine des évolutions Analyse régionale (significativité et cohérence) Lien avec des variables explicatives (précipitations, températures, aptitude au ruissellement)
16 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Exemple de résultat «douteux» En 1961, déplacement de l échelle et travaux dans la section de mesure Nouvelle courbe de tarage, conduisant à une extrapolation nettement différente en hautes eaux 16
17 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Résultats en hautes eaux Ordres de grandeur (MAXAN, α=0.1): ~15% à la hausse ~15% à la baisse ~70% stationnaires Pas de tendance généralisée Peu de cohérence spatiale 17
18 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Résultats en basses eaux Ordres de grandeur (VCN30j, α=0.1): ~20% à la hausse ~15% à la baisse ~65% stationnaires Beaucoup de stations influencées à écarter (cf. bassin de la Seine) 18
19 Détection de changements Evolutions détectéescadre probabiliste non stationnaire Conclusion Comment s affranchir de l hypothèse de stationnarité? Approche classique : décision binaire Test hypothèse H 0 (stationnaire) versus H 1 (non stationnaire) Calcul probabiliste sous une hypothèse (avec un risque d erreur) Approche bayésienne : non stationnarité vue comme une incertitude supplémentaire Calcul probabiliste avec différents modèles : M 0 (stationnaire) ; M 1 (tendance linéaire) ; M 2 (tendance exponentielle) Pondération des différents modèles suivant leur «vraisemblance» Production d une estimation d un quantile Q(T,t), qui dépend de la date cible t considérée 19
20 Détection de changements Evolutions détectéescadre probabiliste non stationnaire Conclusion Exemple de calcul probabiliste (1/3) maxima annuels de débits journaliers, la Moselle à Toul Distribution: GEV(α, β(t),ξ) β(t) = β β(t) = β 0 (1+ β 1 t) β(t) = β 0 exp(β 1 t) M 0 (stationnaire) M 1 (tendance linéaire) M 2 (tendance expo) Modèle M0 M1 M2 a priori a posteriori
21 Détection de changements Evolutions détectéescadre probabiliste non stationnaire Conclusion Exemple de calcul probabiliste (2/3) Quel modèle utiliser? Ne pas choisir, mélanger les modèles 1. Tirage au sort du modèle 2. Tirage au sort du jeu de paramètres 3. Calcul du quantile 21
22 Détection de changements Evolutions détectéescadre probabiliste non stationnaire Conclusion Exemple de calcul probabiliste (3/3) Remarque 1: un modèle a été oublié β(t) = β 0 si t<t 0 β 1 sinon M 3 (rupture à date inconnue) Modèle M0 M1 M2 M3 a priori 0.5 1/6 1/6 1/6 a posteriori ~0 ~0 ~0 ~1 Remarque 2: Attention à l interprétation d une «période de retour» en contexte non stationnaire! Remarque 3: A la place du temps, utiliser une covariable climatique? 22
23 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Résultats acquis Outils de détection de changements : analyse locale et régionale Adaptation de méthodes de simulation (MCMC) utiles pour la résolution numérique, en analyse bayésienne ou multivariée A première vue, pas de changement vraiment cohérent (à confirmer) Analyse fréquentielle: la stationnarité comme une incertitude via l analyse Bayésienne Valorisation Mise en ligne des résultats du projet : Communication à des conférences : SHF (valeurs extrêmes, Lyon, mars 2006) FRIEND (conférence quadriennale, Cuba, novembre 2006) Publications scientifiques : Recherche de tendances dans le régime hydrométriques (J. of Hydrology, 2006 a,b) Cadre probabiliste non stationnaire (Stochastic Environ. Research and Risk Assessment, 2006) Comparaison de méthodes de simulation MCMC (Water Resources Research, 2006) Utilisation de copules en hydrologie (Hydrological Science Journal, 2006) 23
24 Détection de changements Evolutions détectées Cadre probabiliste non stationnaire Conclusion & Perspectives Fin de la thèse de Benjamin Renard (Cemagref, EdF) Critique des résultats avec les gestionnaires (en cours) Approche régionale sur l échantillon réduit de stations Recherche de causalités sur quelques cas d étude : * lien avec les pluies, les températures (cf. projet IMFREX) * évolutions dans la transformation pluie-débit Perspectives plus générales Comment prendre en compte les prévisions des GCM sur les précipitations ou les températures? Dépendance et valeurs extrêmes (aspects temporels et spatiaux) 24
De la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
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 détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailRégionalisation des régimes de perturbations et implications pour l aménagement dans un contexte de changement climatique
Régionalisation des régimes de perturbations et implications pour l aménagement dans un contexte de changement climatique Sylvie Gauthier, Chercheuse scientifique, successions forestières RNCan-SCF-CFL
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
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 détailFlood risk assessment in the Hydrographic Ebro Basin. Spain
Flood risk assessment in the Hydrographic Ebro Basin. Spain Évaluation du Risque d Inondation dans la Démarcation Hydrographique de Congrès SHF, Evénements extrêmes fluviaux et maritimes, Paris, 1-2 février
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détail" Gestion des données issues du réseau de mesures limnimétriques des cours d eau non navigables "
" Gestion des données issues du réseau de mesures par ir Sébastien Gailliez Plan de l exposé 1. Introduction 2. Réseau de mesures 3. Base de données AQUALIM 4. Gestion du réseau de mesures 5. Logiciels
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailREGIONALISATION DE L'ECOULEMENT MAXIMAL DU BASSIN VERSANT DE CRISULALB
REGIONALISATION DE L'ECOULEMENT MAXIMAL DU BASSIN VERSANT DE CRISULALB MIC Rodica, INMH Bucarest OBERLIN Guy, CEMAGREF Lyon OANCEA Victor, INMH Bucarest PRUDHOMME Christel, CEMAGREF Lyon Abstract The paper
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détailLa métrologie au laboratoire. vigitemp 10. centrale de surveillance et de traçabilité vigitemp kit de cartographie vigicart
La métrologie au laboratoire vigitemp 10 centrale de surveillance et de traçabilité vigitemp kit de cartographie vigicart La métrologie au laboratoire vigitemp 10 Base de données Utilisateur Principe général
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailSéminaire 20 avril 2006 REMUNERATIONS VARIABLES. Options sur actions. Jean-Louis Davain
Séminaire 20 avril 2006 REMUNERATIONS VARIABLES Options sur actions Jean-Louis Davain Plan Mot introductif Options sur actions Aperçu des principales alternatives Comparaison chiffrée et juridique Conclusion
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailMéthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques
Méthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques Asshvin Gajadharsingh Mesure et analyse quantitative du risque Caisse de dépôt et placement du Québec
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailAlgorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/??
Algorithmique I Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr Télécom 2006/07 Algorithmique I 20-09-06 p.1/?? Organisation en Algorithmique 2 séances par semaine pendant 8 semaines. Enseignement
Plus en détailLa gestion des eaux à la CACG. RIO : une approche intégrée
La gestion des eaux à la CACG RIO : une approche intégrée Point 1 CACG gestionnaire de ressources en eau Principes et contexte d intervention CACG gestionnaire de ressources en eau Innovation technologique
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailSolution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010
Présentation d ERMS Solution logicielle pour le pilotage et l ERM Journées d études IARD 26 mars 2010 2 mars 2010 Sommaire 1 Présentation d ACTUARIS 2 Les problématiques rencontrées 3 Présentation d ERMS
Plus en détailExposing a test of homogeneity of chronological series of annual rainfall in a climatic area. with using, if possible, the regional vector Hiez.
Test d homogéné$é Y. BRUNET-MORET Ingénieur hydrologue, Bureau Central Hydrologique Paris RÉSUMÉ Présentation d un test d homogénéi.té spécialement conçu pour vérijier Z homogénéité des suites chronologiques
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détail1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer
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 détailFondation Mérieux 22 avril 2009. Un projet Fondateur. J. Breton Thésame
Fondation Mérieux 22 avril 2009 Un projet Fondateur J. Breton Thésame MA.. Le Dain - GSCOP Un projet novateur sur Un projet novateur le montage / la gouvernance / les objectifs / les finalités 2 Un projet
Plus en détailDIVISION TECHNIQUE GÉNÉRALE
DIVISION TECHNIQUE GÉNÉRALE L UNITÉ DE MESURE ET D EXPERTISE D EDF 04/12/2014 Copyright EDF-DTG SOMMAIRE 01 EDF-DTG : l expertise au cœur d un leader 02 DTG : un rayonnement national et international 03
Plus en détailArchitecture et Matériel Industriel
Architecture et Matériel Industriel -Découpage marché Photovoltaique -Architecture en grand champ solaire Energie -Architecture en grand champ solaire Courant faible Segmentation du marché Photovoltaïque
Plus en détailFORMATION DIPLÔMANTE MANAGER DE PROJET INDUSTRIEL* «Accompagner les techniciens à fort potentiel vers des fonctions managériales orientées projet.
www.insavalor.fr FORMATION DIPLÔMANTE MANAGER DE PROJET INDUSTRIEL* «Accompagner les techniciens à fort potentiel vers des fonctions managériales orientées projet.» Le savoir-faire pédagogique au service
Plus en détailAttitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014
Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations
Plus en détailSommaire Préface...XV Introduction générale... XVII Introduction à la 2e édition... XXI Définir le tableau de bord...1
Sommaire Préface...XV Introduction générale... XVII Introduction à la 2 e édition... XXI 1 Définir le tableau de bord...1 1 Quelle définition peut-on donner au vocable tableau de bord?...3 2 Quelle est
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailL activité Datacenter de Cap Ingelec
D O S S I E R D E P R E S S E L activité Datacenter de Cap Ingelec SOMMAIRE INTRODUCTION Présentation de l entreprise et chiffres clés... 2/3 L ACTIVITÉ Datacenter Des missions d audit... 4/5 La réhabilitation
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailLes cartes de Bruit. Recueil des données du trafic aérien. La a Mise en œuvre de la Directive 2002-49. Service Technique de l Aviation Civile
La a Mise en œuvre de la Directive 2002-49 Les cartes de Bruit Recueil des données du trafic aérien Service Technique de l Aviation Civile François WATRIN Recueil et mise en forme des données du trafic
Plus en détailProjet ANR. Bruno Capra - OXAND. 04/06/2015 CEOS.fr - Journée de restitution (Paris) B. CAPRA
Projet ANR Bruno Capra - OXAND MEFISTO : Maîtrise durable de la fissuration des infrastructures en bétons Contexte Problématique des Maîtres d Ouvrages Evaluation et prédiction de la performance des ouvrages
Plus en détailKEL Doc. Service d envoi automatisé de courriers postaux. Un service du Groupe KEL
KEL Doc Service d envoi automatisé de courriers postaux Un service du Groupe KEL KEL Doc L envoi automatisé de vos courriers postaux depuis votre logiciel. La place du courrier dans vos métiers : indispensable
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailELEMENTS DE COMPTABILITE NATIONALE
ELEMENTS DE COMPTABILITE NATIONALE Cours de M. Di Roberto Université Victor Segalen Bordeaux 2 Bibliographie Ce cours s inspire largement des ouvrages essentiels suivants. Merci à leurs auteurs. BOSSERELLE
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailINFORMATIQUE : LOGICIELS TABLEUR ET GESTIONNAIRE DE BASES DE DONNEES
MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENRALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION INFORMATIQUE
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailModélisation spatio-temporelle d'un champ de pluie Application aux pluies journalières du bassin versant de la Loire
INSTITUT POLYTECHNIQUE DE GRENOBLE N attribué par la bibliothèque _ _ _ _ _ _ _ _ _ _ THESE pour obtenir le grade de DOCTEUR DE l'institut Polytechnique de Grenoble Spécialité : Océan, Atmosphère, Hydrologie
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailApllication au calcul financier
Apllication au calcul financier Hervé Hocquard Université de Bordeaux, France 1 er novembre 2011 Intérêts Généralités L intérêt est la rémunération du placement d argent. Il dépend : du taux d intérêts
Plus en détailLes mathématiques du XXe siècle
Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition
Plus en détailLes pratiques du sourcing IT en France
3 juin 2010 Les pratiques du sourcing IT en France Une enquête Solucom / Ae-SCM Conférence IBM CIO : «Optimisez vos stratégies de Sourcing» Laurent Bellefin Solucom en bref Cabinet indépendant de conseil
Plus en détailLe projet DRIAS : premières études et documents
Le projet DRIAS : premières études et documents Julien Lémond CNRM / GAME, Météo-France, CNRS Direction de la Climatologie Réunion Comité Utilisateurs, le 29 juin 2010 Plan de la présentation 1 ) Les services
Plus en détailModélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé
1 TGR Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé Simon Munier Institut des Sciences et Industries du Vivant et de l'environnement (AgroParisTech)
Plus en détailJournée technique ARRA Gestion quantitative de la ressource en eau
Journée technique ARRA Gestion quantitative de la ressource en eau Etude Volumes Prélevables sur les Usses 2010-2012 5 avril 2013 SMECRU Syndicat Mixte d Etude du Contrat de Rivières des Usses Le bassin
Plus en détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailSuperviseur de processus ECS
Superviseur de processus ECS Logiciel du superviseur de processus pour commander, observer et consigner les processus Automatisation des installations de traitement thermique avec ECS Le superviseur de
Plus en détailAXSENS CABINETS DE CONSEIL EN SCM. Pour vos appels d offre. 7 e ÉDITION. SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort
Octobre 2012 Pour vos appels d offre CABINETS DE CONSEIL EN SCM 7 e ÉDITION ASENS SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NOM DU CABINET ASENS SAS 20 Impasse Camille Langlade
Plus en détailLes ambigüités et les difficultés d application du décret travailleur
Les ambigüités et les difficultés d application du décret travailleur 1 LE TEXTE RÉGLEMENTAIRE Protection des travailleurs Décret 2003-296 du 31/03/03 Codifié dans le code du travail Plus arrêtés d applications
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailMonia Amami Franck Brulhart Raymond Gambini Pierre-Xavier Meschi
Version 4.7 Simulation d Entreprise «Artemis» Monia Amami Franck Brulhart Raymond Gambini Pierre-Xavier Meschi p. 1 1. Objectifs et Contexte Général L objectif de la simulation d entreprise «Artemis» est
Plus en détailAchats Industriels Efficacité et Sécurité
Achats Industriels Efficacité et Sécurité Mes domaines d intervention Achat de maintenance Achat investissement Achat de sous-traitance Mon expertise en achats industriels Elaboration de cahiers des charges
Plus en détailConsortium de recherche FOR@C. Value Stream Mapping Formation
Consortium de recherche FOR@C Value Stream Mapping Formation Table des matières Historique VSM: C est quoi? VSM: Ça inclut quoi? Exemple d un VSM Étape de réalisation du VSM 2 Historique Méthode développée
Plus en détailCompte rendu de l intervention de Jean-Louis LACOMBE. Rencontre européenne de la technologie du 23 mars 2005. La Fondation d entreprise EADS
Compte rendu de l intervention de Jean-Louis LACOMBE Rencontre européenne de la technologie du 23 mars 2005 La Fondation d entreprise EADS La fondation d entreprise créée par EADS est conçue comme une
Plus en détailExemple de prévision et de simulation opérationnelle des débits d'étiage pour les besoins d'edf
Exemple de prévision et de simulation opérationnelle des débits d'étiage pour les besoins d'edf An example offorecasting and operating simulation of low water flows par R. Garçon, C. Carré, P. Lyaudet
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailApplication de l'analyse multifractale à l'estimation des crues extrêmes en Tunisie
Hydrology of die Mediterranean and Semiarid Regions (Proceedings of an inlernational symposium held at Montpellier.' April 2003). IAHS Publ. no. 278. 2003. 251 Application de l'analyse multifractale à
Plus en détailPROJET DE GESTION PORTEFEUILLE. Evaluation d une Stratégie de Trading
PROJET DE GESTION PORTEFEUILLE Evaluation d une Stratégie de Trading Encadré par M. Philippe Bernard Master 1 Economie Appliquée-Ingénierie Economique et Financière Taylan Kunal 2011-2012 Sommaire 1) Introduction
Plus en détailFORMATION DIPLÔMANTE MANAGER DE PROJET INDUSTRIEL * «Accompagner les techniciens à fort potentiel vers des fonctions managériales orientées projet»
Le savoir-faire pédagogique au service de l entreprise FORMATION DIPLÔMANTE MANAGER DE PROJET INDUSTRIEL * * Titre de niveau II enregistré au RNCP Accessible par VAE «Accompagner les techniciens à fort
Plus en détailTableau 7: Emissions polluantes scénario «futur avec projet 2014»
Projet d ensemble commercial Ametzondo Tableau 7: Emissions polluantes scénario «futur avec projet 2014» Remarques : Aucune émission ne sera prise en compte sur le parking pour un fonctionnement dominical.
Plus en détailProduits de crédit en portefeuille
Chapitre 6 Produits de crédit en portefeuille et défauts corrélés Dans ce chapitre, on étudie des produits financiers de crédit en portfeuille, notamment k th -to-default swap et CDOs (voir 1.2 pour une
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 détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailCOLLOQUE INTERNATIONAL : «L EAU EN MONTAGNE» PROGRAMME DES CONFERENCES
1 COLLOQUE INTERNATIONAL : «L EAU EN MONTAGNE» PROGRAMME DES CONFERENCES JEUDI 5 SEPTEMBRE 2002 9h00 9h30 Accueil des congressistes Session d'ouverture Allocutions de : M. Le Maire de Megève ou son représentant;
Plus en détailBest Styles ou comment capturer au mieux les primes de risque sur les marchés d actions
Stratégie Best Styles ou comment capturer au mieux les primes de risque sur les marchés d actions La recherche des primes de risque constitue une stratégie relativement courante sur les marchés obligataires
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailURECA Initiation Matlab 2 Laurent Ott. Initiation Matlab 2
Initiation Matlab 2 1 Chaînes de caractères (string) Une chaîne de caractères (string en anglais) est une suite ordonnée de caractères (du texte, par exemple). Sous matlab, les chaînes de caractères sont
Plus en détailEvaluer l ampleur des économies d agglomération
Pierre-Philippe Combes GREQAM - Université d Aix-Marseille Ecole d Economie de Paris CEPR Janvier 2008 Supports de la présentation Combes, P.-P., T. Mayer et J.-T. Thisse, 2006, chap. 11. Economie Géographique,
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailLeçon 3. Les principaux outils de gestion des stocks
CANEGE Leçon 3 Les principaux outils de gestion des stocks Objectif : A l'issue de la leçon l'étudiant doit être capable de : s initier à la pratique des outils fondamentaux de gestion des stocks : de
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
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 détailREALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3.
1 sur 6 REALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3. OBJECTIF - PUBLIC - LOGICIEL - MATERIEL - METHODE - BIBLIOGRAPHIE - AVANTAGES - DIFFICULTES - AUTEUR DU DOCUMENT - LE DOCUMENT
Plus en détailRenforcement de la surveillance des installations hydrauliques EDF HYDRAULIQUE Astrid HOTELLIER (EDF-DTG)
Colloque sur les atouts de l hydraulique 26.11.13 Renforcement de la surveillance des installations hydrauliques EDF HYDRAULIQUE Astrid HOTELLIER (EDF-DTG) Disponibilité Sécurité/Sûreté Performance Maintenance
Plus en détailLe financement adossé de l immobilier en gestion de patrimoine : une modélisation simple
Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Laurent Batsch ahier de recherche n 2005-01 Le financement adossé est une des modalités de financement de l investissement
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 détailBIG DATA en Sciences et Industries de l Environnement
BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie
Plus en détailLA SIMULATION: INTERETS EN FORMATIION MEDICALE CONTINUE. C Assouline
LA SIMULATION: INTERETS EN FORMATIION MEDICALE CONTINUE C Assouline Principes «Human error is the price we pay for intelligence» 3 buts principaux de la simulation : détecter les erreurs éviter les erreurs
Plus en détail