Vers une analyses des variables condensées dans les modèles de PNT à méso-échelle
|
|
- Salomé Baril
- il y a 7 ans
- Total affichages :
Transcription
1 Vers une analyses des variables condensées dans les modèles de PNT à méso-échelle Thibaut Montmerle CNRM-GAME/GMAP GDR Megha-Tropiques octobre 2016, Montpellier
2 Plan 1. Motivations 2. Généralités sur l assimilation variationnelle 3. Principaux défis : - Non linéarités - Opérateurs d observation - Représentation des erreurs de prévision 4. Expériences 1D 5. Conclusions / Perspectives 2
3 Motivations Variables associées à des phénomènes météo à fort impact GPM De nombreuses observations sensibles aux nuages et aux précipitations non-utilisées : radiomètres µ-onde : NOAA (AMSU-A/ B), METOP (MHS), DMSP (SSMI/S), GPM (GMI + radar precip (DPR)), MeghaTropiques (SAPHIR) Megha-Tropique radar sol DPOL Chaînes AROME opérationnelles avec assimilation de données Représentation explicite des nuages et des précipitations : possibilité d y simuler les observations de manières réaliste 3 Échantillonnage de leurs erreurs de prévision à partir d ensembles
4 Généralités sur l assimilation variationnelle Fonction coût 3DVar : Termes liés à l ébauche, aux observations B, R matrices de covariances d erreurs d ébauche et d observations opérateurs d observation non-linéaires 4 Écriture sous forme incrémentale, résolution par moindres carrés
5 Principaux défis pour l analyse des hydrométéores Non-linéarités dans les processus microphysiques et les modèles de transfert radiatif (RT) Paramétrisations dans les modèles de PNT plus simples que dans les modèle de RT Covariances des erreurs de prévisions dépendantes du flux météo, avec des corrélations inter-variables fortes Correction de biais Coût en temps de calcul : augmentation de la variable de contrôle, simulation des radiances coûteuse (diffusion) Représentation des covariances d erreurs d observation 5
6 Principaux défis : NL Les non-linéarités et la représentation complexe des processus microphysiques ont des conséquences dans : 1. Le calcul des innovations : erreurs de positionnement, de timing erreurs de modélisation dans les modèles de PNT et dans l opérateur d observation Les pdfs des innovations sont fortement non-gaussiennes 2. Le calcul des TL/AD de : Utilisés dans la formulation incrémentale de et de son gradient 3. Le calcul des TL/AD du modèle pour un 4DVar 6 Pour rester dans un cadre quasi-linéaire : 3DVar cyclé fréquemment avec un contrôle de qualité sévère
7 Principaux défis : NL Ex. de statistiques d innovations pour IASI vs. AROME-France (Martinet et al. 2012) 7 Seuls les T b correspondant à des scènes nuageuses homogènes communes sont exploitables (~ 5% du total ici ) Utilisation des pixels AVHRR co-localisés pour diagnostiquer l homogénéité nuageuse
8 Principaux défis : En PNT, les modèles de transfert radiatif doivent être rapides et leurs versions TL/AD doivent être disponibles. Pour AROME : dans l air clair : RTTOV (Saunders et al. 1999) dans les nuages : RTTOV-SCATT (Geer and Baordo, 2014) T b restituées fortement dépendantes du type et de la distribution des hydrométéores, de la paramétrisation de la diffusion OBS 8 Tb SAPHIR (canal 6) pour différents type de particules simulées par RTTOV-SCATT depuis des profils AROME-Indien P. Chambon
9 Principaux défis : B L incrément d analyse est déduit de J = 0 (équation du BLUE) : B a un impact important sur l analyse : ses variances impactent directement le poids des observations ses correlations lissent et propagent les innovations ses covariances croisées entre variables imposent l équilibre de l analyse Les nuages et les précipitations analysés doivent être contraints dynamiquement et thermodynamiquement : 9 Indispensable pour les maintenir dans la prévision!
10 Principaux défis : B Difficultés pratiques : du fait de sa taille (~(10 8 ) 2 pour AROME), B c ( climatologique ) est modélisée par des opérateurs (Derber et Bouttier 1999) est un opérateur de balance permettant de décorréler les variables de contrôle en appliquant des relations d équilibre est une matrice bloc-diagonale constituée des covariances spatiales des variables non balancées la vérité est inconnue : ces opérateurs sont calibrés à partir d un ensemble de différences de prévision B c est bien conditionnée, mais les incréments résultants sont homogènes, isotropes et statiques 10
11 Expériences 1D z Ajout des hydrométéores dans B c Extension de la méthode présentée par Michel et al. (2011) à tous les hydrométéores représentés dans AROME : z z Profils d écarts types z z z 11 Forte dépendance à la stratification verticale de l atmosphère! Covariances verticales normalisées
12 Expériences 1D : radiances IR Covariances verticales exploitées avec succès par Martinet et al. (2012) pour assimiler dans un 1DVar des radiances IR IASI de nuages opaques réduction des erreurs pour toutes les variables de contrôle q i Nuages élevés q l q Nuages bas 12
13 Expériences 1D : radiances MW Assimilation de 6 canaux SAPHIR pour restituer des profils de (T, q, qi, ql, qr, qs) à partir de profils issus de AROME-Indien (P. Chambon) Résolution explicite en 1D du BLUE : Avec un H statistique (PCA de profils AROME et de simulations RTTOV-SCATT) (Haddad et al, 2015) 13 SAPHIR Canal 6, cyclone Bansi
14 Expériences 1D : radiances MW SAPHIR Canal 6 Réduction des erreurs d ébauche pour les 6 canaux Analyses plus proches d observations indépendantes (GPM/DPR) Incrément(qs)niv P. Chambon
15 Conclusions L assimilation d observations sensibles aux variables condensées soulève de nombreuses difficultés liées : aux non-linéarités, aux erreurs de modélisation à la représentation des erreurs de prévision Dans un cadre quasi-linéaire, avec une distribution Gaussienne des innovations et une représentation ad-hoc des covariances d erreurs de prévision, des analyses réalistes et balancées ont été obtenues en 1D 15
16 Perspectives Dans le 3DVar AROME : Analyses de profils de T et q dans les nuages et les précipitations à partir de l assimilation 1D de radiances (1DVar, 1D Bayésien), puis assimilation dans le 3DVar sous forme de pseudo-profils Assimilation directe des observations liées aux variables condensées : - mise en place d un contrôle de qualité sévère, calcul de variances d erreurs d obs dépendantes des innovations 16 - inclusion des hydrométéores dans la variable de contrôle - mise à jour fréquente de la matrice B c modélisée (point moins critique pour les tropiques) nécessite un ensemble d assimilation
17 Perspectives Dans le futur 3D-EnVar AROME : Consiste à utiliser entièrement ou partiellement, dans un cadre variationnel, des covariances d erreurs de prévision échantillonnées à partir d un ensemble de perturbations d ébauche : Pour filtrer le bruit d échantillonnage, une localisation est appliquée 17 Actuellement en cours de test à MF, en parallèle d une mise en opérationnel d un ensemble d assimilation de 25 membres pour AROME-France nécessitera d ajouter les hydrométéores dans la CV les covariances d erreurs associées (multivariées par construction) sont directement fournies par l ensemble et dépendent directement du flux météorologique
18 Perspectives Principales difficultés : localisations différentes, aspect multivarié champs non-continus : que faire dans les zones de dispersion nulle? (utilisation d un EnVar hybride?) 18 Nuage prévu par un membre vers 700 hpa Variances d erreurs associées filtrées, déduite de 25 membres
19 Merci pour votre attention
20 En3DVar for AROME : perturbations Use of an EDA based on AROME at 4 km (AEARO) with L members to compute background perturbations : Explicit obs. perturb. Implicit Bckgd perturb. (Global) Explicit obs. and LBCs perturb. Implicit bkgd perturb. Pertubed LBCs 20 Fisher 2003 ; Kucukkaraca and Fisher (2006); Berre et al 2006
21 Principaux défis : Dans les nuages et en micro-ondes, la valeurs des innovations est fortement liée aux paramétrisations microphysiques du modèle Besoin de sélectionner des conditions nuageuses similaires Tri dans les formes de particules 21 Ici les erreurs d innovations pour les canaux de SPAHIR sont minimales pour les «Bullet rosettes», mais présentent une forte dispersion P. Chambon
22 Principaux défis : B Limitations connues de B c Pour les modèles à aire limitée, forte dépendance des covariances au type de temps et aux phénomènes météorologiques représentés dans l ensemble Largement sous-optimal dans les nuages et les précipitations Exemple : pluie Coupe verticale d incréments d humidité obtenus avec des matrices B c calibrées uniquement à partir de profils pluvieux et en air clair, appliquées dans un 3DVar hétérogène (Montmerle and Berre 2010) Pluie air clair 22
23 Introduction DA in AROME is performed every hour using a 3DVar : B is modelized following Derber and Bouttier (1999) using a balance operator K p and spatial transforms B s : pros cons 1. Balanced analyses 2. Smoothness and high rank 3. Stability of the VAR 1. Static variances 2. Homogeneous and isotropic correlations 3. Sub-optimal in high impact weather situations 23
24 Introduction To improve the impact of assimilated observations in such areas, flow dependency of forecast errors is needed. In EnKF-like methods, forecast errors is sampled using a Monte-Carlo approach based on an ensemble of L forecasts pros cons 1. Flow dependency, including balances 2. Easy to compute 1. Rank deficient 2. Ensemble spread 3. Sampling noise issues 4. Empirical localization that causes imbalance 5. Computational cost of the ensemble! 24
Equation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailColloque des arbitres et des commissaires aux résultats Moulin mer
Colloque des arbitres et des commissaires aux résultats Moulin mer Bernard Simon- janvier 2015 Météorologie Web : Attention aux modèles utilisés dans les prévisions: (maillage / relief pris en compte/
Plus en détailProfils verticaux de la couverture nuageuse, de ses propriétés et des aérosols: données du lidar CALIOP et du radar CLOUDSAT (DARDAR) de 2006 à 2012
T1.3 (Tropics) Diurnal cycle of cloud cover in the tropical regions: combined use of geostationary satellite, A-Train measurements and lidar/radar ground station measurements. Coordination : G. Sèze (LMD)
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 détailThe Tropical Warm Pool-International Cloud Experiment TWP-ICE
The Tropical Warm Pool-International Cloud Experiment TWP-ICE Darwin, Australie Du 20 janvier au 13 fevrier 2006 radiosondages Flux radiatifs de surface Flux turbulents de surface Radar CPOL Forçages déduits
Plus en détailGestion optimale des unités de production dans un réseau compte tenu de la dynamique de la température des lignes
Gestion optimale des unités de production dans un réseau compte tenu de la dynamique de la température des lignes M. Nick, R. Cherkaoui, M. Paolone «Le réseau électrique de demain» - EPFL, 21.05.2015 Table
Plus en détailPost-processing of multimodel hydrological forecasts for the Baskatong catchment
+ Post-processing of multimodel hydrological forecasts for the Baskatong catchment Fabian Tito Arandia Martinez Marie-Amélie Boucher Jocelyn Gaudet Maria-Helena Ramos + Context n Master degree subject:
Plus en détailProjet évaluation : précipitation et
Projet évaluation : précipitation et nuages du Global-Meso Groupe Global-Meso Meso: Stéphane Bélair,, Michel Roch,, Anne- Marie Leduc, Paul Vaillancourt Objectifs du projet d évaluation Développer des
Plus en détailRéunion de lancement du projet LEFE DEPHY2
Réunion de lancement du projet LEFE DEPHY2 Développement et Evaluation des PHYsiques des modèles atmosphériques BILAN 45 participants 25 CNRM, 12 LMD, 4 LGGE, 2LA, 1 LSCE, 1 GET 8-9-10 septembre 2014 Observatoire
Plus en détailReal-time Monitoring and forecast of IntraSeasonal Variability over Africa (MISVA)
Real-time Monitoring and forecast of IntraSeasonal Variability over Africa (MISVA) R. Roehrig 1,*, F. Couvreux 1, E. Poan 1, P. Peyrillé 1, J.-P. Lafore 1, O. Ndiaye 2, A. Diongue-Niang 2, F. Favot 1,
Plus en détailMETEOROLOGIE. Aéroclub Besançon La Vèze. Cours MTO - Ivan TORREADRADO 1. F-SO au FL65 over LFQM
METEOROLOGIE Aéroclub Besançon La Vèze F-SO au FL65 over LFQM Cours MTO - Ivan TORREADRADO 1 L air L atmosphère terrestre L humidité La stabilité, l instabilité La convection/l advection Les masses d air
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 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 détailPrincipes généraux de la modélisation de la dispersion atmosphérique
Principes généraux de la modélisation de la dispersion atmosphérique Rémy BOUET- DRA/PHDS/EDIS remy.bouet@ineris.fr //--12-05-2009 1 La modélisation : Les principes Modélisation en trois étapes : Caractériser
Plus en détailXXVII e Colloque de l Association Internationale de Climatologie 2-5 juillet 2014 Dijon (France)
MICROPHYSIQUE DES NUAGES ET RAYONNEMENT SOLAIRE : COMPARAISON DES MESURES IN SITU AU MONT RIGI EN HAUTE BELGIQUE ET DES DONNÉES CLOUD PHYSICAL PROPERTIES (CPP) OBTENUES À PARTIR DES IMAGES METEOSAT-9 BEAUMET
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 détailIngénierie et gestion des connaissances
Master Web Intelligence ICM Option Informatique Ingénierie et gestion des connaissances Philippe BEAUNE Philippe.Beaune@emse.fr 18 novembre 2008 Passer en revue quelques idées fondatrices de l ingénierie
Plus en détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
Plus en détailCompte rendu des utilisations du calculateur TITAN au LACy
Le Laboratoire de l Atmosphère et des Cyclones (LACy) UMR (8105) Université de la Réunion CNRS Météo France 15 avenue René Cassin, 97715 Saint Denis messag.,cedex 9 Compte rendu des utilisations du calculateur
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 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 détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
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 détailINSTITUT MARITIME DE PREVENTION. For improvement in health and security at work. Created in 1992 Under the aegis of State and the ENIM
INSTITUT MARITIME DE PREVENTION For improvement in health and security at work Created in 1992 Under the aegis of State and the ENIM Maritime fishing Shellfish-farming Sea transport 2005 Le pilier social
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 détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
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 détailDe 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 détailSimulation du transport de matière par diffusion surfacique à l aide d une approche Level-Set
Simulation du transport de matière par diffusion surfacique à l aide d une approce Level-Set J. Brucon 1, D. Pino-Munoz 1, S. Drapier 1, F. Valdivieso 2 Ecole Nationale Supérieure des Mines de Saint-Etienne
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailENCADRÉS SCIENTIFIQUES. du laboratoire CNRM/GAME, URA 1357
CNRM/GAME, URA1357 ENCADRÉS SCIENTIFIQUES du laboratoire CNRM/GAME, URA 1357 05/08/2011 CNRM/GAME, URA1357 SOMMAIRE Page GMAP Encadrés scientifiques 4 GMAP-1 L assimilation des sondeurs hyperspectraux
Plus en détailSimulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE
Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R
Plus en détailMonitoring elderly People by Means of Cameras
Nuadu project Technologies for Personal Hearth Seminar, June 4th, 2009 Monitoring elderly People by Means of Cameras Laurent LUCAT Laboratory of Embedded Vision Systems CEA LIST, Saclay, France 1 Summary
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailExamination of an internal space illuminance variability. Application to a side-lit office working space
/ Examination of an internal space illuminance variability Application to a side-lit office working space Jérémy Lebon, Nahon Raphaël, Thibaut Vermeulen, Benoît Beckers Séminaire Avenues Mai 4 / Context
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailÉvolution du climat et désertification
Évolution du climat et désertification FACTEURS HUMAINS ET NATURELS DE L ÉVOLUTION DU CLIMAT Les activités humaines essentiellement l exploitation de combustibles fossiles et la modification de la couverture
Plus en détailWWW.ELCON.SE Multichronomètre SA10 Présentation générale
WWW.ELCON.SE Multichronomètre SA10 Présentation générale Le SA10 est un appareil portable destiné au test des disjoncteurs moyenne tension et haute tension. Quoiqu il soit conçu pour fonctionner couplé
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
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 détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailLA DISPERSION ATMOSPHERIQUE
Compréhension des phénomènes et modélisation : LA DISPERSION ATMOSPHERIQUE Version du 28 décembre 2006 Cette fiche a été établie avec le concours de l INERIS La présente fiche a été rédigée sur la base
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailComprendre l impact de l utilisation des réseaux sociaux en entreprise SYNTHESE DES RESULTATS : EUROPE ET FRANCE
Comprendre l impact de l utilisation des réseaux sociaux en entreprise SYNTHESE DES RESULTATS : EUROPE ET FRANCE 1 Objectifs de l étude Comprendre l impact des réseaux sociaux externes ( Facebook, LinkedIn,
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailMECANISME DE CAPACITE Guide pratique
MECANISME DE CAPACITE Guide pratique SOMMAIRE 1 Principes... 4 2 Les acteurs du mécanisme... 5 2.1 Les acteurs obligés... 5 2.2 Les exploitants de capacité... 5 2.3 Le Responsable de périmètre de certification...
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 détailPrésentation des projets de recherche BLOWOUT et METANE. Journée technique du Cedre. Brest 14 novembre 2013
Présentation des projets de recherche BLOWOUT et METANE Journée technique du Cedre Brest 14 novembre 2013 1 Déroulement Fiches techniques Contexte Description technique Démonstration Questions 2 Fiches
Plus en détailLa gestion opérationnelle de la météosensibilité. La prévision météorologique et hydrologique au cœur de l Économie et de la Société
La gestion opérationnelle de la météosensibilité La prévision météorologique et hydrologique au cœur de l Économie et de la Société La société METNEXT METNEXT en bref Notre métier : L assistance aux entreprises
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 détailMODE D EMPLOI. Station météo avec senseur extérieur sans fil WS-1100
MODE D EMPLOI Station météo avec senseur extérieur sans fil WS-1100 FR SOMMAIRE 1 2 11 3 4 5 10 9 6 8 1. affi chage de l horloge DCF 2. les précisions météorologiques avec des symboles 3. pression de l
Plus en détailLe Soleil. Structure, données astronomiques, insolation.
Le Soleil Structure, données astronomiques, insolation. Le Soleil, une formidable centrale à Fusion Nucléaire Le Soleil a pris naissance au sein d un nuage d hydrogène de composition relative en moles
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailLes attentes du marché
www.pwc.com Les attentes du marché Octobre 2012 L état des lieux à propos des formats de reporting et de l appropriation par le marché du XBRL La taxonomie XBRL pour les reportings Solvabilité 2 a fait
Plus en détailFIELD ACCEPTANCE TEST PROCEDURE OF 40 VAISALA PRESENT WEATHER PWD22 SENSORS AND USE OF A THIES SPECTRO-RAIN GAUGE.
FIELD ACCEPTANCE TEST PROCEDURE OF 4 VAISALA PRESENT WEATHER PWD22 SENSORS AND USE OF A THIES SPECTRO-RAIN GAUGE. Fabrice Zanghi Météo-France, DSO/DOS/CAT, 7 Rue Teisserenc de Bort 7819 Trappes, France
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailM. F. PITA Departamento de Geografía Física. Universidad de Sevilla. C/ María de Padilla s.n. 41.002-SEVILLA (Espagne). mfpita@cica.
Un nouvel indice de sécheresse pour les domaines méditerranéens. Application au bassin du Guadalquivir (sudo-uest de l Espagne). En: Un nouvel indice de sécheresse pour les domaines méditerranéens. Application
Plus en détailASSURER LA QUALITE DES RESULTATS D ESSAI ET D ETALONNAGE Assuring the quality of test and calibration results
ASSURER LA QUALITE DES RESULTATS D ESSAI ET D ETALONNAGE Assuring the quality of test and calibration results Soraya Amarouche Armelle Picau Olivier Pierson Raphaël Deal Laboratoire National de Métrologie
Plus en détailRapport. sur l incident survenu le 18 mars 2007 en croisière entre Lyon et Montpellier à l ATR 42-300 immatriculé F-GVZY exploité par Airlinair
N ISBN : 978-2-11-098012-0 Rapport sur l incident survenu le 18 mars 2007 en croisière entre Lyon et Montpellier à l ATR 42-300 immatriculé F-GVZY exploité par Airlinair Bureau d Enquêtes et d Analyses
Plus en détailMétéo Marine. Benjamin Aymard. Cours CNIF 18 Février 2014 Université Pierre et Marie Curie. ./IMAGES/logo-n
Météo Marine Benjamin Aymard Cours CNIF 18 Février 2014 Université Pierre et Marie Curie 1/41 18 Février 2014, UPMC aymard@ann.jussieu.fr Météo Marine Cours Météo pratique Pourquoi les prévisions météo
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 détailMETEOROLOGIE CAEA 1990
METEOROLOGIE CAEA 1990 1) Les météorologistes mesurent et prévoient le vent en attitude à des niveaux exprimés en pressions atmosphériques. Entre le niveau de la mer et 6000 m d'altitude, quels sont les
Plus en détailUne méthode d apprentissage pour la composition de services web
Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,
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 détailGestion des stocks et des approvisionnements
Les stocks représentent dans le bilan des entreprises de 20 à 80% du total de l actifs. Engendrent un important besoin de financement. Les stocks remplissent d importantes fonctions. Bien gérer les stocks
Plus en détail1- Durant votre vol, vous entrez dans un thermique. Décrivez, par un schéma simple, l incidence sur votre voile.
QUESTIONS OUVERTES POUR LE BREVET DE PILOTE CONFIRME, SUR LES THEMES «Mécanique de vol/aérodynamique», «réglementation/espace aérien», «météo/aérologie», «pilotage». Les questions liées au brevet de pilote
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 détailProjet SENTINELLE Appel àprojets «CO 2»Déc. 2007
Projet SENTINELLE Appel àprojets «CO 2»Déc. 2007 Philippe de DONATO Université de Lorraine/CNRS Co-auteurs: C. PRINET, B. GARCIA, H. LUCAS, Z. POKRYSZKA, S. LAFORTUNE, P. FLAMANT, F. GIBERT, D. EDOUART,
Plus en détailCatalogue de formation
Enregistré sous le numéro : 11 91 012 9991 auprès du Commissaire de la République de la Région Ile de France et du Département de Paris, CADLM propose un ensemble de formation dont les programmes sont
Plus en détailVISUAL GESATEL. La gestion commerciale n a jamais été aussi facile!
La gestion commerciale n a jamais été aussi facile! LES AVANTAGES Transformation de tous vos documents au format PDF, HTML, WORD, EXCEL. Envoi direct de tous vos documents via Internet. Récupérez sans
Plus en détailContrôle de la convection profonde par les processus sous-nuageux dans LMDZ5B
Contrôle de la convection profonde par les processus sous-nuageux dans LMDZ5B C. Rio, J.-Y. Grandpeix, F. Hourdin, F. Guichard, F. Couvreux, J.-P. Lafore, A. Fridlind, A. Mrowiec, S. Bony, N. Rochetin,
Plus en détailSurveillance et Detection des Anomalies. Diagnostic d une digue: rappel méthodologique
Surveillance et Detection des Anomalies Diagnostic d une digue: rappel méthodologique issu de l expérience d EDF Jean-Paul BLAIS Service Géologie - Géotechnique EDF 1 La méthodologie utilisée par EDF,
Plus en détailBig data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique
Big data et données géospatiales : Enjeux et défis pour la géomatique Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Événement 25e anniversaire du CRG Université Laval, Qc, Canada 08 mai
Plus en détailModèle de Climat de Titan
Planétologie - GSMA - Université de Reims Champagne-Ardenne Modèle de Climat de Titan Le contexte général : Titan, le plus gros satellite de Saturne, possède une atmosphère dense de 1.4 bar essentiellement
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 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 détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
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 détailAnticiper la gestion d'un séisme dommageable Anticipare la gestione dei danni di un terremoto
Atelier 1 groupe de travail sismique franco-italo-suisse du projet Interreg Alcotra RiskNET Atelier 1 gruppo di lavoro sismico franco-italo-svizzero del progetto Interreg Alcotra RiskNET Anticiper la gestion
Plus en détailSDLS08 - Modes propres d'une plaque carrée calculés sur base réduite
Titre : SDLS08 - Modes propres d'une plaque carrée calculé[...] Date : 03/08/2011 Page : 1/6 SDLS08 - Modes propres d'une plaque carrée calculés sur base réduite Résumé : Ce cas test a pour objectif de
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailArchitecture client riche Evolution ou révolution? Thomas Coustenoble IBM Lotus Market Manager
Architecture client riche Evolution ou révolution? Thomas Coustenoble IBM Lotus Market Manager IBM Workplace : permettre aux personnes de communiquer, de partager l information, quel que soit le terminal
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailLa météo aéropour le vol en AL : les éléments essentiels.
La météo aéropour le vol en AL : les éléments essentiels. Page 1 Avril 2012- V3 La météo pour le vol : qu avons nous besoin de connaître? Pour effectuer un vol en sécurité, je dois avoir une idée des conditions
Plus en détailBusiness Intelligence
avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 détailProposition Expecting EarthCare, Learning from A-Train (EECLAT) T1. Studies at regional scales
Proposition Expecting EarthCare, Learning from A-Train (EECLAT) T1. Studies at regional scales Programme Présentation générale : bilan et poursuite de chaque tâche Pôle Les nuages en Arctique G. Mioche
Plus en détailScanner laser HDS7000 Ultra rapide, à portée étendue
> 1 million de points / sec Scanner laser HDS7000 Ultra rapide, à portée étendue > 180 m de portée HDS7000 Scanner laser ultra rapide pour les professionnels exigeants Les scanners à mesure de phase sont
Plus en détailAméliorations du schéma de nuage et de EDKF dans AROME/MésoNH
Améliorations du schéma de nuage et de EDKF dans AROME/MésoNH Sébastien Riette Météo-France CNRM/GMME Réunion des utilisateurs de Méso-NH, 13 et 14 octobre 2011 Les composantes du schéma de nuage d'arome
Plus en détailB- Météorologie. En présence de cumulus alignés en bande parallèles vous prévoyez un vent: R : de même direction que les alignements
B- Météorologie Nuages Brouillard Les brouillards côtiers sont du type: R : brouillard d'advection Il y a brouillard dès que la visibilité est inférieure à: R : 1 km Les facteurs favorisant l'apparition
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailLes lières. MSc in Electronics and Information Technology Engineering. Ingénieur civil. en informatique. MSc in Architectural Engineering
Ingénieur civil Ingénieur civil Les lières MSc in Electronics and Information Technology Engineering MSc in Architectural Engineering MSc in Civil Engineering MSc in Electromechanical Engineering MSc
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailMicroscopie de fluorescence Etat de l art
Etat de l art Bibliométrie (Web of sciences) CLSM GFP & TPE EPI-FLUORESCENCE 1 Fluorescence Diagramme de JABLONSKI S2 S1 10-12 s Excitation Eex Eem 10-9 s Émission Courtoisie de C. Spriet
Plus en détailPourquoi étudier l aérosol atmosphérique?
Pourquoi étudier l aérosol atmosphérique? Impact Climatique Impact sanitaire Les particules atmosphériques sont avant tout étudiées pour leurs impacts sur le climat et sur la santé humaine. 39 Réchauffement
Plus en détail