L assimilation variationnelle d ensemble (EnVar) opérationnelle à Météo-France
|
|
- Christian Lessard
- il y a 7 ans
- Total affichages :
Transcription
1 L assimilation variationnelle d ensemble (EnVar) opérationnelle à Météo-France L. Berre, G. Desroziers, L. Raynaud (et al) Météo-France (CNRM/GAME)
2 Plan de la présentation 1. EnVar : principe et mise en œuvre à Météo-France 2. Filtrage spatial des variances et des corrélations 3. Validation : résultats et perspectives
3 Assimilation d ensemble (EnVar, EnKF, ) : simulation de l évolution des erreurs au cours du cycle d assimilation ε b = M ε a (+ ε m ) matrice B «du jour» ε a Perturbations d observation explicites et perturbations d ébauche implicites (mais effectives). (Houtekamer et al 1996; Fisher 2003 ; Ehrendorfer 2006 ; Berre et al 2006)
4 Simulation de l erreur d analyse Equation de l état analysé du système déterministe (ex: 4D-Var) : x a = (I-KH) x b + K y o (K = matrice de gain du 4D-Var) Equation de l erreur d analyse associée : e a = (I-KH) e b + K e o Assimilation d ensemble (à Météo-France) = simuler cette équation en perturbant l ébauche et les observations, en entrée du système d assimilation déterministe (4D-Var) : ε a = (I-KH) ε b + K ε o
5 Calcul des perturbations d analyse : «4D-Var d ensemble cohérent» ou «système hybride EnKF/Var»? Dans le contexte à Météo-France avec 4D-Var, une approche variationnelle cohérente est utilisée dans les 2 parties déterministes et ensemblistes : simple à implémenter (Var perturbé ~ Var non perturbé). une matrice B hybride de rang plein est utilisée de façon cohérente dans les 2 parties. les aspects non linéaires du 4D-Var peuvent être représentés dans la mise à jour des perturbations d analyse.
6 L assimilation var. d ensemble oper à M.F. (AEARP) Six membres globaux perturbés T359 L60 avec 3D-Fgat Arpege ; bientôt T399 L70 avec 4D-Var. Filtrage spatial des variances d erreur, pour accroître la taille d échantillon et la robustesse (~90%). Inflation de B (par 1.3²), pour représenter la contribution de l erreur de modèle. Le 4D-Var Arpege utilise les «variancesdeserreursdujour» (ainsi que les 3D-Var Aladin et bientôt Arome). opérationnel depuis juillet Une assim. d ensemble régionale (LAM) est aussi expérimentée, avec Aladin (10 km) et Arome (2.5 km), couplée à AEARP.
7 Filtrage spatial optimisé du champ de variance Variances «exactes» Variances filtrées (N = 6) V b* ~ ρ V b avec ρ = signal/(signal+bruit) Variances brutes (N = 6) (Raynaud et al 2008a) (Berre et al 2007, Raynaud et al 2008,2009)
8 LIEN ENTRE MOYENNE SPATIALE LOCALE ET AUGMENTATION DE LA TAILLE DE L ECHANTILLON Multiplication par un filtre spectral passe-bas Moyenne spatiale locale (convolution) latitude Ng=9 La taille de l ensemble N est MULTIPLIEE(!) par un nombre Ng de points de grille. Si N=6 et Ng=9, alors la taille totale de l échantillon est N x Ng = 54. L estimation filtrée avec 6 membres est aussi précise qu une estimation brute avec 54 membres, sous une hypothèse d homogénéité locale. longitude
9 Prévision des «erreurs du jour» des ébauches 3h, par l assimilation d ensemble : dépendances à la situation météo et au schéma d analyse Le maximum de variance d erreur lié à la tempête Klaus semble mieux prévu (position+amplitude) par la version 4D-Var de l assimilation d ensemble. assim. d ens. 3D-Var Fgat 24/01/2009 à 00h/03h assim. d ens. 4D-Var
10 Filtrage ondelette des fonctions de corrélation RAW WAVELET Approche ondelette : le bruit d échantillonnage est réduit, via le calcul (implicite) de moyennes spatiales locales. N = 10 L s = 6000 km (Fisher 2003, Pannekoucke et al 2007)
11 Filtrage ondelette des corrélations «du jour» Situation synoptique (géopotentiel vers 500 hpa) Fonctions de corrélation basées sur des ondelettes anisotropes ( N = 12 ) (Lindskog et al 2007, Deckmyn et al 2005)
12 Estimation des variances à partir des innovations (Desroziers et al 2005) cov( H dx, dy ) ~ H B H T Ceci peut être calculé pour une date spécifique, mais alors les variances locales sont calculées à partir d une seule réalisation d erreur (N=1)! Inversement, si l on calcule des moyennes spatiales locales de ces variances, la taille de l échantillon est accrue, et la comparaison avec l ensemble peut être envisagée.
13 Validation des variances «du jour» dans l espace de HIRS 7 (28/08/ h) (Berre et al 2007) variances de l ensemble variances «observées» cov( H dx, dy ) ~ H B H T estimation de l erreur de modèle.
14 Méthode d estimation des covariances d erreur de modèle (Q) B = MAM T + Q Utiliser l assim. d ensemble pour estimer «MAM T». Utiliser les diagnostics d innovation pour estimer «B» (ou du moins HBH T ). Estimer Q par différence : Q ~ B MAM T La contribution de l erreur de modèle est estimée de façon objective et complète. (e.g. Daley 1992) Houtekamer et Mitchell 2009 (avec EnKF) : cette méthode fournit l essentiel de la matrice Q (versus multi-physique, perturbations des tendances physiques, rétrodiffusion stochastique).
15 REDUCTION SUR L AMERIQUE DU NORD DU RMS DE GEOPOTENTIEL EN UTILISANT LES σb s DU JOUR NOV JAN 2007 (3 mois) FEV - MARS 2008 (1 mois) Échéance de prévision (heures) SEPT - OCT 2007 (1 mois) = Pression (hpa)
16 Impact des «varainces du jour» sur la prévision du cyclone Jokwe Partie III : Utiliser les erreurs «du jour» L impact des variances d erreur sur la prévision cyclonique Etude d impact dans le cas du cyclone tropical Jokwe avec variances STATIQUES avec variances DU JOUR (Montroty 2008, Berre et al 2009) Vendredi 19 décembre 2008 Echéance de prévision (heures)
17 Impact du 4D-Var d ensemble (vs 3D-Fgat d ens.): positif sur H. Nord (et l Europe en particulier) Réduction d Eqm de Vent (Europe) Eqm Vent +12h 250 hpa Eqm Vent +96h 500 hpa Hum. relative +12h 850 hpa
18 Conclusions Assim. d ensemble: simulation du cyclage des erreurs, et des covariances dépendantes de la situation météo peuvent être estimées. Construire une assim. d ensemble var. et non linéaire (à partir d un 3D/4D-Var) est relativement simple et naturel. Bruit d échantillonnage dans les covariances, réduit via filtrage spatial optimisé. Comparaison avec estimations tirées des écarts obs-ébauche : pour validation, et pour estimation des covariances d erreur de modèle. Impacts positifs, en particulier sur les situations météos instables (tempêtes des moyennes latitudes, cyclones tropicaux).
19 Perspectives A court terme (prochaine version opérationnelle): Utilisation d un 4D-Var d ensemble, avec une résolution spatiale accrue. Utilisation des variances du jour pour toutes les variables, y compris les variables non balancées et l humidité. Initialisation de la prévision d ensemble par l assimilation d ensemble.
20 Perspectives A moyen terme : Amélioration du contrôle de qualité des obs, via variances «du jour», en relâchant les rejets d obs dans les régions «instables». Inflation adaptative des perturbations de l ensemble (L. Raynaud), basée sur les écarts obs-ébauche, pour l erreur de modèle. Utilisation de corrélations du jour, avec un filtrage spatial ondelette (H. Varella). Assimilation d ensemble régionale Aladin/Arome (M. Monteiro, P. Brousseau). Préconditionnement des minimisations perturbées (G. Desroziers).
21 Merci pour votre attention
22 Références Belo Pereira, M. and L. Berre, 2006: The Use of an Ensemble Approach to Study the Background Error Covariances in a Global NWP Model. {\it Mon. Wea. Rev.}, {\bf 134}, Berre, L., S.E., Stefanescu, and M. Belo Pereira, 2006: The representation of the analysis effect in three error simulation techniques. {\it Tellus}, {\bf 58A}, Berre, L., G. Desroziers, L. Raynaud, R. Montroty, and F. Gibier, 2009: Consistent operational ensemble variational assimilation. Proceedings of the 5th WMO International Sympisum on Data Assimilation, Melbourne, Australia, 5-9 October 2009, paper 196. Berre, L., O. Pannekoucke, G. Desroziers, S.E. Stefanescu, B. Chapnik and L. Raynaud, 2007: A variational assimilation ensemble and the spatial filtering of its error covariances: increase of sample size by local spatial averaging. Proceedings of the ECMWF workshop on flow-dependent aspects of data assimilation, June 2007, (available on line at: ) Deckmyn, A., and L. Berre, 2005 : A wavelet approach to representing background error covariances in a limited area model. {\it Mon. Wea. Rev.}, {\bf 133},
23 Références Desroziers, G., L. Berre, B. Chapnik, and P. Poli, 2005 : Diagnosis of observation, background, and analysis error statistics in observation space, Quart. Jour. Roy. Meteor. Soc., 131, pp Ehrendorfer, M., 2006 : Review of issues concerning Ensemble-Based data assimilation techniques. Oral presentation at the Seventh Adjoint Workshop, Obergurgl, Austria. Fisher, M., 2003 : Background error covariance modelling. Proceedings of the ECMWF seminar on recent developments in data assimilation for atmosphere and ocean, Houtekamer, P.,, L. LeFaivre, J. Derome, H. Ritchie, and H. L. Mitchell, 1996: A system simulation approach to ensemble prediction. Mon. Wea. Rev., 124,
24 Références Lindskog et al 2007 : Background error variances in HIRLAM variational data assimilation. Proceedings of the ECMWF workshop on flow-dependent aspects of data assimilation, June 2007, Montroty, R., 2008 : Impact d une assimilation de données à mésoéchelle sur la prévision cyclonique. PhD dissertation, Université Paul Sabatier, 219 pages. Pannekoucke, O, L. Berre and G. Desroziers, 2007 : Filtering properties of wavelets for the local background error correlations. Quart. Jour. Roy. Meteor.Soc.133, Raynaud L., L. Berre et G. Desroziers, 2008 : Spatial averaging of ensemble-based background error variances. Q. J. R. Meteorol. Soc., 134, Raynaud L., L. Berre et G. Desroziers, 2009 : Objective filtering of ensemble-based background error variances. Q. J. R. Meteorol. Soc., 135A,
25 Pourquoi faire une assimilation d ensemble? Calcul de covariances d erreur d ébauche, climatologiques et/ou «du jour». Amplitudes et structures des incréments d analyse, et contrôle de qualité des obs (par rapport à l ébauche). Estimation des covariances des erreurs d analyse. Initialisation de la prévision d ensemble. Production de conditions limites latérales (voire initiales) perturbées pour des ensembles régionaux.
26 Filtrage spatial et augmentation de la taille d échantillon Le filtrage spatial du champ de variance revient à calculer une moyenne spatiale locale des variances. Cette moyenne spatiale locale permet d accroître la taille de l échantillon statistique (~ par un facteur 3). Cette moyenne spatiale locale peut être optimisée, defaçonà extraire les variations géographiques importantes et robustes. Cette approche ergodique «spatiale» peut être étendue aux aspects temporels (Xu et al 2008). Des approches semblables sont utilisées en prévision probabiliste (Berrocal et al 2007).
27 Connexion entre σb s et systèmes météos «intenses» ( 08/12/2006, 03-06UTC ) Dispersion de l ensemble: fortes valeurs de σb s sur la France Pression Niveau Mer : tempête sur la France
28 Assim. d ensemble régionale : covariances du jour avec Aladin/Arome (M. Monteiro) Situation anticyclonique Situation dépressionnaire
29 Estimations des σ b du jour, dans l espace de HIRS 7 cov( H dx, dy ) du 4D-Var Assim. d ensemble 3D-Fgat. Corrélation avec carte du haut : 0.2 Assim. d ensemble 4D-Var. Corrélation avec carte du haut : 0.6 (Gibier 2009, Berre et al 2009)
ENCADRÉS 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 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 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 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 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 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 détailProspective: Champ de gravité, méthodes spatiales
Prospective: Champ de gravité, méthodes spatiales Richard Biancale Conseil Scientifique du GRGS Observatoire de Paris, 10 avril 2008 L état de l art des modèles CHAMP: modèles 50 fois moins précis que
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 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 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 détailBASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :
BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les
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 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 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 détailTRANSPORT CONVECTIF TROPOSPHERE-STRATOSPHERE Importance l échelle globale? Jean-Pierre Pommereau CNRS LATMOS, Guyancourt, France
TRANSPORT CONVECTIF TROPOSPHERE-STRATOSPHERE Importance l échelle globale? Jean-Pierre Pommereau CNRS LATMOS, Guyancourt, France Transport Troposphere-Stratosphere 0-14 km Convection. Rapide (heures) jusqu
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 détailDISPERSION ATMOSPHERIQUE DES REJETS DU SITE SVPR à SAINTE-MARGUERITE (88)
DISPERSION ATMOSPHERIQUE DES REJETS DU SITE SVPR à SAINTE-MARGUERITE (88) Ce document a été réalisé en collaboration avec APAVE Alsacienne SAS 3 rue de l Euron BP 21055 Maxeville 54522 LAXOU Cedex Références
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailSéance 4 - Les rachats d engagements de retraite sur le marché américain. Caitlin Long Groupe de solutions en matière de retraite
Séance 4 - Les rachats d engagements de retraite sur le marché américain Caitlin Long Groupe de solutions en matière de retraite Ce sont GM et Verizon qui ont ouvert le marché des rachats d engagements
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 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 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 détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailLe centre sera fermé du 20 au 31 juillet 2015
Calendrier officiel des 2015-2016 Date des 2 premières Cours de jour : Mercredi 26 août 2015 Mardi 8 septembre 2015 du 1 e juin au 8 juillet ET du 3 au 5 août 2015 Cours de soir : Inscriptions les lundis
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 détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailPROGRAMME INTERNATIONAL POUR LE SUIVI DES ACQUIS DES ÉLÈVES QUESTIONS ET RÉPONSES DE L ÉVALUATION PISA 2012 DE LA CULTURE FINANCIÈRE
PROGRAMME INTERNATIONAL POUR LE SUIVI DES ACQUIS DES ÉLÈVES QUESTIONS ET RÉPONSES DE L ÉVALUATION PISA 2012 DE LA CULTURE FINANCIÈRE TABLE DES MATIÈRES INTRODUCTION... 3 QUESTION NIVEAU 1: FACTURE... 4
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 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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
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 détailPopulation responses to environmental forcing : approaches to model and monitor habitat characteristics
Approche systémique des pêches Boulogne-sur sur-mer 2008 Population responses to environmental forcing : approaches to model and monitor habitat characteristics Pierre Petitgas (1), M. Huret (1), B. Planque
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 détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailAvancées et reculs des mangroves guyanaises: bilan par analyse spatiale sur plusieurs décennies
Oral Master 2, Fonctionnement des Ecosystèmes Naturels et cultivés, 10 juin 2009 Avancées et reculs des mangroves guyanaises: bilan par analyse spatiale sur plusieurs décennies Elodie Blanchard Encadrant:
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
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 détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
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 détailP2: Perception auditive
P2: Perception auditive Daniel Pressnitzer Laboratoire des Systèmes Perceptifs, CNRS & Département d études cognitives, Ecole normale supérieure 29 rue d Ulm, 75230 Paris cedex 05 daniel.pressnitzer@ens.fr
Plus en détailModélisation d un réseau sociotechnique Application à la gestion de crise. Guillaume Philippe (UBS / CAMKA System) Christine Chauvin (UBS)
Modélisation d un réseau sociotechnique Application à la gestion de crise Guillaume Philippe (UBS / CAMKA System) Christine Chauvin (UBS) 1 Sommaire I. La gestion de crise: quelles problématiques? II.
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 détailEquation 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 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 détailMesurage de la qualité acoustique de revêtements. acoustique de revêtements
Monitoring de la performance acoustique d un d revêtement phonoabsorbant en milieu urbain François Aballéa, Pierre-Jean René a Olivier Schalbetter, Lucien Pignat b Daniel Vaucher de la Croix, Fabien Lassablière
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 détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailEfficacité énergétique des logements à haute performance énergétique, HPE : Application au site de Béchar
Revue des Energies Renouvelables Vol. 15 N 2 (2012) 357-364 Efficacité énergétique des logements à haute performance énergétique, HPE : Application au site de Béchar S. Sami-Mécheri 1*, D. Semmar 2 et
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 détailVI.1) Description de la QBO Observation du vent zonal en moyenne zonale à l'équateur Données UARS (Swinbak et Orland)
Z(km)= 112 96 80 64 48 32 16 0 VI.1) Description de la QBO Observation du vent zonal en moyenne zonale à l'équateur Données UARS (Swinbak et Orland) Thermosphère Mésosphère Stratosphère Troposphère Dans
Plus en détailTangibleData. Manipulation tangible et multitouch de bases de données
TangibleData Manipulation tangible et multitouch de bases de données Tangible Data est un environnement de manipulation et d exploration tangible de base de données pour extraire efficacement des informations
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
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 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 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 détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
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 détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
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 détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailRelever les défis des véhicules autonomes
EMM 2014 12eme rencontre européenne de mécatronique Relever les défis des véhicules autonomes Mathias Perrollaz Ingénieur expert Inria Christian Laugier Directeur de recherche Inria E-Motion Team Annecy,
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 détailMesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux OL
Mesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux Comment mesurer le temps de propagation de groupe sur des convertisseurs de fréquence dans lesquels le ou les oscillateurs
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 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 détailÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab
ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour
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 détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailGénie logiciel (Un aperçu)
(Un aperçu) (sommerville 2010) Laurent Pérochon INRA URH 63122 St Genès Champanelle Laurent.perochon@clermont.inra.fr Ensemble d activités conduisant à la production d un logiciel Sur un échantillon de
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
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 détailEstimation et Cartographie des Différentes Composantes du Rayonnement Solaire au Sol à Partir des Images Météosat
Rev. Energ. Ren. Vol. 4 (2001) 35-47 Estimation et Cartographie des Différentes Composantes du Rayonnement Solaire au Sol à Partir des Images Météosat N. Bachari, N. Benabadji, A. Razagui et A. H. Belbachir
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
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 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 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 détailPRODIGUER un noeud français de distribution de données GIEC/IPCC
PRODIGUER un noeud français de distribution de données GIEC/IPCC Sébastien Denvil et Olivier Marti Pôle de Modélisation, IPSL Prodiguer - Mercredi 18 juin 2008 1 Le contexte : le compte à rebours du rapport
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailTrès légère hausse de la confiance des chefs d entreprise en février
25-2-24 29-5-26 Liens: NBB.Stat Information générale Enquête mensuelle de conjoncture auprès des entreprises - février 25 Très légère hausse de la confiance des chefs d entreprise en février Le baromètre
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 détailCAP CAMION A ASSISTANCE PNEUMATIQUE
Séminaire mi parcours Stock-e 2010 CAP CAMION A ASSISTANCE PNEUMATIQUE Iyad Balloul Renault Trucks - iyad.balloul@volvo.com Eric Bideaux INSA Lyon - eric.bideaux@insa-lyon.fr Marc Michard LMFA - Marc.Michard@ec-lyon.fr
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 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 détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
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 détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailInstitut Informatique de gestion. Communication en situation de crise
Institut Informatique de gestion Communication en situation de crise 1 Contexte Je ne suis pas un professionnel de la communication Méthode empirique, basée sur l(es) expérience(s) Je suis actif dans un
Plus en détailEtudier à l'etranger. www.votreguide.ma. Informations. Enseignement ETATS UNIS
Etudier à l'etranger ETATS UNIS Informations Langue officielle: Anglais Capitale: Washington Population: 304.367.000 (2008) Superficie: 9.629.090 km2 Monnaie: USD Indicatif téléphonique: +1 Domaine internet:.us
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailMortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine
Mortalité observée et mortalité attendue au cours de la vague de chaleur de uillet en France métropolitaine FOUILLET A 1, REY G 1, JOUGLA E, HÉMON D 1 1 Inserm, U75, Villeuif, France. Inserm CépiDc, IFR9,
Plus en détailEntreprise et Big Data
Entreprise et Big Data Christophe Favart Chef Architecte, SAP Advanced Development, Business Information Technology Public Juin 2013 Agenda SAP Données d Entreprise Big Data en entreprise Solutions SAP
Plus en détailÉTUDE ET DÉVELOPPEMENT D UN SYSTÈME EXPERT BASÉ SUR LES RÉSEAUX DE NEURONES POUR LE DIAGNOSTIC DES DÉFAUTS DE ROULEMENTS
ÉTUDE ET DÉVELOPPEMENT D UN SYSTÈME EXPERT BASÉ SUR LES RÉSEAUX DE NEURONES POUR LE DIAGNOSTIC DES DÉFAUTS DE ROULEMENTS B. Badri 1 ; M. Thomas 1 ; S. Sassi 2 (1) Department of Mechanical Engineering,
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailProjet de synthèse de l'électronique analogique : réalisation d'une balance à jauges de contrainte
J3eA, Journal sur l enseignement des sciences et technologies de l information et des systèmes, Volume 4, HorsSérie 2, 20 (2005) DOI : http://dx.doi.org/10.1051/bibj3ea:2005720 EDP Sciences, 2005 Projet
Plus en détail