Méthode du groupement par soustraction pour l'identification de modèle flou : amélioration et application à la prévision de la polution atmosphérique

• Auteur / Autrice : Nicolas Peton
• Direction : Janine Magnier
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et génie informatique
• Date : Soutenance en 1999
• Etablissement(s) : Montpellier 2

Mots clés

Mots clés contrôlés

Prévision

Pollution

Air

Séries chronologiques

Théorie de la prévision

Modèles mathématiques

Ensembles flous

Résumé

Les travaux presentes dans cette these se situent dans le domaine de l'identification de modeles flous. L'objectif vise est de developper une methodologie pour l'identification de modeles flous afin d'obtenir une representation simple et comprehensible du comportement d'un systeme reel. Cette methodologie est basee sur l'analyse de donnees d'entree et de sortie qui sont parfois incompletes, incertaines ou imprecises. La premiere etape de ce travail est la modelisation du systeme. Le manque de connaissances exactes sur le systeme et l'absence de theorie physique le decrivant font qu'il est difficile d'en construire un modele mathematique. De plus, le modele recherche doit etre comprehensible meme par une personne non experte dans le domaine de la logique floue, tout en permettant de representer le plus fidelement possible le comportement du systeme. En fonction de ces contraintes et parmi les moyens envisages pour modeliser de tels systemes, nous avons propose une methode basee sur la logique floue. La methodologie retenue et que nous avons amelioree se base sur le groupement par soustraction pour effectuer l'identification du modele flou. Ces ameliorations, principalement orientees dans le cadre de prevision de series chronologiques, ont ete obtenues en ajoutant une etape d'optimisation a l'algorithme du regroupement par soustraction et en ameliorant l'algorithme lui-meme. Afin de juger de l'acuite des modeles obtenus, nous avons defini des fonctions de cout sur ces modeles qui permettent d'etudier leurs performances et d'en selectionner les meilleurs. Cette methode a ete appliquee, a la prevision de la pollution atmospherique et a ete egalement mise en uvre dans divers probleme de classification. Les resultats obtenus permettent d'envisager que cette methode puisse s'appliquer a d'autres domaines.