Thèse soutenue

Méthodes probabilistes d'extraction de signaux cachés appliquées à des problèmes de sciences de l'atmosphère

FR  |  
EN
Auteur / Autrice : Julien Gazeaux
Direction : Slimane BekkiPhilippe Naveau
Type : Thèse de doctorat
Discipline(s) : Sciences de l'environnement
Date : Soutenance en 2011
Etablissement(s) : Paris 6

Mots clés

FR

Mots clés contrôlés

Résumé

FR

Cette thèse est consacrée à l'extraction de signaux dans le domaine des sciences de l'atmosphère. Le point commun des problèmes considérés est la notion de détection et d'estimation de signaux cachés caractérisés par des ruptures (dans la variance ou la moyenne) ou par des pics caractéristiques de phénomènes éruptifs. Nous nous sommes attachés à répondre à différentes questions: quel type d'information s'attend-on à trouver dans un jeu de données ? Le signal caché se trouve-t-il réellement dans les données? Comment détecter l'instant d'occurrence d'un phénomène, comment le caractériser? Si un tel signal est détecté, quelle incertitude est associée à cette détection ? Nous répondons aux questions au travers du développement de modèles probabilistes de détection de signaux cachés. Nous avons développé des méthodes de détection associées à trois modèles probabilistes. Le premier est appliqué à la détection de nuages dans des profils lidar, le deuxième à des éruptions volcaniques dans des séries de sulfate enfin le troisième est consacré à la détection de la date de l'onset de la mousson Africaine dans des données de la dynamique atmosphérique et de précipitations. Les différentes méthodes font appel à une variété de techniques de modélisation probabiliste allant de la maximisation de vraisemblance dans le cadre de signaux présentant une variance non constante associée à des tests d'hypothèses à la résolution de filtres de Kalman non stationnaires et non linéaires pour la décomposition de séries multivariées couplée à la détection des signaux cachés. Les difficultés techniques sont analysées et les performances des différents algorithmes sont évaluées.