Méthodes d'apprentissage automatique de systèmes non-stationnaires : applications aux simulations climatiques
FR |
EN
Auteur / Autrice : | Vaishnavi Borse |
Direction : | Pascal Yiou |
Type : | Projet de thèse |
Discipline(s) : | Océan, atmosphère, climat et observations spatiales |
Date : | Inscription en doctorat le 15/10/2020 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Sciences de l'environnement d'Île-de-France (Paris ; 1991-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire des Sciences du Climat et de lEnvironnement - DRF |
Equipe de recherche : Extrèmes : Statistiques, Impacts et Régionalisation (ESTIMR) | |
référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....) |
Mots clés
FR |
EN
Résumé
FR |
EN
Lobjectif de la thèse est de développer, pour les systèmes non-stationnaires, des algorithmes dapprentissage automatique basés sur les Echo State Networks (ESN) et de les mettre à profit pour simuler le système climatique dans un contexte de changement climatique. L'intégration de l'évolution du forçage en tant que variable exogène dans le modèle ESN et évaluera la capacité d'ESN à apprendre la dynamique non stationnaire. Des tests seront réalisés à la fois sur les équations du modèle de Lorenz 1963 et sur les données simulées par des modèles de climat.