Méthodes d'apprentissage automatique de systèmes non-stationnaires : applications aux simulations climatiques

Machine learning methods of non-stationary systems: applications to climate simulations

• 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 l’Environnement - DRF
• Partenaire(s) de recherche : Equipe de recherche : Extrèmes : Statistiques, Impacts et Régionalisation (ESTIMR)
• Partenaire(s) de recherche : référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)

Mots clés

Mots clés libres

Dynamique non stationnaire

D'apprentissage automatique

Simulations climatiques

Non-stationary dynamics

Machine Learning

Climate Simulations

Résumé

L’objectif de la thèse est de développer, pour les systèmes non-stationnaires, des algorithmes d’apprentissage 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.

The objective of the thesis is to develop, for non-stationary systems, machine learning algorithms based on Echo State Networks (ESN) and use them to simulate the climate system in a context of climate change. Incorporating the evolution of forcing as an exogenous variable in the ESN model and will assess the ability of ESN to learn non-stationary dynamics. Tests will be carried out both on the equations of the Lorenz 1963 model and on data simulated by climate models.