MENU PRINCIPAL Ex. : Chômage Ex. : Météo Ex. : Climat Objectifs

Slides:



Advertisements
Présentations similaires
GCstar Gestionnaire de collections personnelles Christian Jodar (Tian)
Advertisements

Proportionnalité Les connaissances que l'enseignant doit maîtriser à son niveau Présentation réalisée à partir de l'ouvrage de Roland Charnay et Michel.
Courbes d'Interpolation Interpolation de Lagrange, et Interpolation B-spline.
Chap n°5 : LA LOI D'OHM Georg OHM physicien allemand ( )
Développement de la technique d'holographie acoustique de champ proche temps réel pour l'analyse de sources de bruit fluctuantes Doctorant : Directeurs.
Rappels de quelques éléments sur les statistiques descriptives ATELIER DE FORMATION NOUVELLE RESOLUTION CONCERNANT LES STATISTIQUES DU TRAVAIL,
Organisation, gestion de données Les connaissances que l'enseignant doit maîtriser à son niveau Présentation réalisée à partir de l'ouvrage de Roland Charnay.
Les cinq domaines du socle Les compétences : - en CAP, BEP et bac pro - en Mathématiques pour le cycle 4 - en Physique-Chimie pour le cycle 4.
1. Introduction.
SITUATION DE REFERENCE
Système d’aide à la décision Business Intelligence
EPI Aménagement d’un éco quartier dans la ville de New York
Modélisation numérique de l'enneigement des domaines skiables
Les distributions en classes
Nouveau développement dans l’analyse du bruit électrochimique
Tice (logiciels) et aide personnalisée.
Mesurer la croissance économique
Partie II : Les glaciers comme indicateurs du climat ?
Loi Normale (Laplace-Gauss)
MODELE EN PASTILLE POUR L'ETUDE D'UNE GOUTTE ALIMENTEE SOUMISE A PERTURBATIONS Kwassi Anani1, Roger Prud’homme2, Séna Amah d’Almeida1 and Kofi Seylom.
Une grande partie des données que nous serons amenés cette année à étudier sera exprimée en unités monétaires. Or, nous le savons, il existe un phénomène.
Microéconomie I.
Mesures de Variation, Coefficient Multiplicateur, Taux de Variation
Rappels sur la transformée de Fourier
ATELIERS DE MATHEMATIQUES
Analyse des profils longitudinaux pour caractériser la dégradation du pergélisol et du gel saisonnier sous des chaussées existantes Laurie-Anne Grégoire.
Quel temps-va-t-il faire … demain ?
1 Prévision d’une série chronologique par lissage exponentiel Michel Tenenhaus.
Chapitre 2: Les équations et les inéquations polynômes
Objectifs du chapitre 5: Plans corrélationnels
Technologies de l’intelligence d’affaires Séance 12
MATCHSLIDE : INT contribution Patrick HORAIN Hichem ATTI Waheb LARBI Presented as : "TELESLIDE: Technical aspects ", Jacques Klossa & Patrick Horain, Joint.
Deux objectifs Réactiver nos connaissances dans le domaine du calcul additif : les structures additives ; les différents types de calculs. Réactiver nos.
Concepts avancés en mathématiques et informatique appliquées
Modulation numérique. Transmission numérique  Avantages techniques Immunité au bruit Optimalisation de la bande passante Facilité de traitement de l’information.
Présentation de l'organisme d'accueil
Modélisation Spatio-temporelle de la pluviométrie " Application du prédicteur Filtre de Kalman":Cas du bassin versant de Cheliff -Algérie- Présentée par Samra Harkat
La stratégie pédagogique en
Atelier PROPORTIONNALITE Loïc Martin / Arnaud Simard
1. Introduction.
Statistiques. Moyenne, Moyenne pondérée, Tableur et graphiques.
Chapitre 12 : Pression et sport Objectifs : - Savoir que dans les liquides et les gaz la matière est constituée de molécules en mouvement. - Utiliser la.
Chapitre2: SGBD et Datawarehouse. On pourrait se demander pourquoi ne pas utiliser un SGBD pour réaliser cette structure d'informatique décisionnelle.
Amélioration de la résolution spatiale des sondeurs multifaisceau
Programme financé par l’Union européenne
Statistiques.
Présentation de la base Frantext
TECHNIQUES PHYSICO-CHIMIQUES D’ANALYSE
Couche limite atmosphérique
Résolution d’un problème de diffusion 1D
Mode, moyenne et médiane
Deville Vanessa Marceline Elodie Mouchet Céline
Compression de la parole en utilisant les ondelettes
Chapitre 7: Séries chronologiques
Data Mining Fait par : Belhaj Nadia Derouich Maryem.
Modulation numérique. Transmission numérique  Avantages techniques Immunité au bruit Optimalisation de la bande passante Facilité de traitement de l’information.
Position, dispersion, forme
Contribution du LHyGeS
Les calculs usuels sur les prix
Moteurs de recherches Data mining Nizar Jegham.
Modulation numérique. Transmission numérique  Avantages techniques Immunité au bruit Optimalisation de la bande passante Facilité de traitement de l’information.
Outils numérique pour la chimie Logiciel ChemSketch Réalisé par : Abdillahi Robleh Mohamed Martin Julien.
Conception cartographique
PROGRAMMATION SCIENTIFIQUE EN C
Des chiffres pour être compris
Révision – mathématiques 8
Couche limite atmosphérique
Test de performances. Test de performances:  Un test de performance est un test dont l'objectif est de déterminer la performance d'un système informatique.
Le Climat : Un dialogue entre Statistique et Dynamique
Récapitulation du jour 2ème
Transcription de la présentation:

MENU PRINCIPAL Ex. : Chômage Ex. : Météo Ex. : Climat Objectifs Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor,ISIG Atelier 8, Séminaire Séries Temporelles (28/04/2016) MENU PRINCIPAL Objectifs Application interactive Continuous Wavelet Transforms Discrete Wavelet Transforms Cross-Wavelet Transforms Ex. : Chômage Ex. : Météo Ex. : Climat

Objectifs: définition série temporelles Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Objectifs: définition série temporelles Objectifs DEFINITION Série temporelle= suite (plusieurs dizaines) des valeurs numériques représentant l’évolution d’une quantité au cours du temps

Objectifs: pourquoi les ondelettes Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Objectifs: pourquoi les ondelettes Objectifs DEFINITION Série temporelle= suite (plusieurs dizaines) des valeurs numériques représentant l’évolution d’une quantité au cours du temps CONSTAT: Variation à diverses échelles, de manière non homogène dans le temps des séries temporelles SOLUTION (?) Représentation temps-fréquence par les transformées d’ondelettes

Objectifs: problèmes liés aux ondelettes Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Objectifs: problèmes liés aux ondelettes Objectifs DEFINITION Série temporelle= suite (plusieurs dizaines) des valeurs numériques représentant l’évolution d’une quantité au cours du temps CONSTAT: Variation à diverses échelles, de manière non homogène dans le temps des séries temporelles SOLUTION (?) Représentation temps-fréquence par les transformées d’ondelettes PROBLEMES Difficulté mathématique Difficulté de choix de méthode Difficulté d’implémentation Difficulté d’interprétation

Objectifs: intérêt de l’application Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Objectifs: intérêt de l’application Objectifs DEFINITION Série temporelle= suite (plusieurs dizaines) des valeurs numériques représentant l’évolution d’une quantité au cours du temps CONSTAT: Variation à diverses échelles, de manière non homogène dans le temps des séries temporelles SOLUTION (?) Représentation temps-fréquence par les transformées d’ondelettes PROBLEMES Difficulté mathématique Difficulté de choix de méthode Difficulté d’implémentation Difficulté d’interprétation Développement d’une interface interactive Simulations => intérêt pédagogique Choix de méthodes adaptées Implémentation automatique Production de graphiques et « navigation » facilitée

Application interactive Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive Application interactive Une application interactive R-html Une application gratuite Installation (sur R) d’un package téléchargeable depuis GitHub: https://github.com/lvaudor/waveleT Ce qu’on peut faire avec: Charger un jeu de données ou en simuler un (à des fins pédagogiques) Calculer les transformées d’ondelettes continues (CWT), discrètes (DWT), croisées (XWT) Produire des graphiques and interagir avec (type, format, zoom, valeurs x-y , etc.)

Application interactive: DATA données réelles Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive: DATA données réelles Application interactive DATA Données réelles Charger le jeu de données et choisir les variables x et y1 (et éventuellement y2) à transformer par les ondelettes.

Application interactive: DATA données simulées Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive: DATA données simulées Application interactive DATA Données simulées Application « pédagogique »: Simulation de séries de données comme somme de sinusoïdes (et éventuellement ajout de bruit) pour comprendre comment les caractéristiques des données se traduisent en terme de transformées d’ondelettes.

Application interactive: ANALYSES Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive: ANALYSES Application interactive ANALYSES Plusieurs types de transformées d’ondelettes: -Discrete wavelet transforms : (MO)DWT -Continuous wavelet transforms: CWT -Cross wavelet transforms: XWT

Application interactive: ANALYSES DWT Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive: ANALYSES DWT Application interactive ANALYSES DWT (MO)DWT: Decomposer le signal en ses divers composants scalaires

Application interactive: ANALYSES CWT Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive: ANALYSES CWT Application interactive ANALYSES CWT CWT: examiner les coefficients d’ondelettes et le spectre (power spectrum) à travers différents modes de représentation

Application interactive: ANALYSES XWT Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Application interactive: ANALYSES XWT Application interactive ANALYSES XWT XWT: Examiner la « correlation » entre deux signaux à diverses échelles

Continuous Wavelet Transforms Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Analyses: CWT Continuous Wavelet Transforms Les Transformées en ondelettes continues (Continuous Wavelet Transforms ou CWTs) peuvent être utilisées pour identifier à quelles échelles et localisations les signaux varient de manière prédominante. Exemple d’ondelette: ondelette de Morlet Le coefficient d’ondelette (à l’échelle s0 et localisation x0) correspond à l’aire sous le produit de l’ondelette-fille et le signal f(x). Les ondelettes-filles correspondent à une dilatation et translation de cette ondelette-mère. Elles correspondent ainsi chacune à une échelle s0 et une localisation x0

Analyses: CWT: simulation Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Analyses: CWT: simulation Continuous Wavelet Transforms Simulation où Même chose… mais on ajoute du bruit blanc: où Les coefficients d’ondelettes reflètent les variations du signal en fonction de la période T Coeff. élevé Coeff. bas Basculer vers le spectre

Discrete Wavelet transforms Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Analyses: DWT Discrete Wavelet transforms Plus précisément: Maximal Overlap Discrete Wavelet Transforms : MODWTs , ou ondelettes “à trous” L’algorithme (dit “pyramidal”) décompose le signal en “smooths” (S1, S2,S3, ...) and “details” (D1,D2, D3, ...) à un ensemble (discret) d’échelles (niveaux d’échelle 1 à 9 ici). On peut alors procéder à une analyse multi-résolution. Y= signal brut Décomposition additive du signal aux niveaux 1 à 9 niveau échelle

Analyses: DWT: simulation Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Analyses: DWT: simulation Discrete Wavelet transforms Simulation où Meme chose… mais on ajoute du bruit blanc

Cross-Wavelet transforms Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Analyses: XWT Cross-Wavelet transforms Les transformées en ondelettes croisées (XWTs), et en particulier la cohérence et phase, sont utilisées pour identifier les échelles et localisations où deux signaux co-varient de manière significative La cohérence d’ondelettes est comparable à une coefficient de corrélation (localized in frequency and space). La phase reflète le décalage entre deux optima locaux dans les transformées d’ondelettes.

Analyses: XWT: simulation Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Analyses: XWT: simulation Cross-Wavelet transforms Simulation Deux sinusoïdes en phase, de période T=50 Deux sinusoïdes en anti-phase, de période T=200 Wavelet coherence Wavelet phase

Exemple: les chiffres du chômage Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Chômage Exemple: les chiffres du chômage Nombre de demandeurs d’emploi en catégories A, B, et C entre 1996 et 2016 en France métropolitaine (données INSEE, par mois, en milliers d’individus). Données INSEE CWT DWT Éclatement de la bulle spéculative internet en 2001-2002=>krach boursier Crise économique mondiale de 2008

Exemple: les chiffres du chômage Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Chômage Exemple: les chiffres du chômage Nombre de demandeurs d’emploi en catégories A, B, et C entre 1996 et 2016 en France métropolitaine (données INSEE, par mois, en milliers d’individus). Données INSEE CWT DWT Éclatement de la bulle spéculative internet en 2001-2002=>krach boursier Crise économique mondiale de 2008

Exemple: la température moyenne à Bron depuis 1949 Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Temp. moy. Bron Exemple: la température moyenne à Bron depuis 1949 Température moyenne en dixième de °C, de 1949 à 2015, à la station météo de Bron, près de Lyon. Par jour. Données European Climate Assessent & Dataset ECA&D. DWT CWT vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu

Exemple: la température moyenne à Bron depuis 1949 Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Temp. Moy. Bron Exemple: la température moyenne à Bron depuis 1949 Température moyenne en dixième de °C, de 1949 à 2015, à la station météo de Bron, près de Lyon. Par jour. Données European Climate Assessent & Dataset ECA&D. DWT CWT vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu

Exemple: la température moyenne à Bron depuis 1949 Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Temp. Moy. Bron Exemple: la température moyenne à Bron depuis 1949 Température moyenne en dixième de °C, de 1949 à 2015, à la station météo de Bron, près de Lyon. Par jour. Données European Climate Assessent & Dataset ECA&D. DWT CWT vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu

Exemple: Bivariate El Niño Sea Temperature (BEST index) Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Climat: ENSO Exemple: Bivariate El Niño Sea Temperature (BEST index) Phénomène “El Niño” quantifiable par divers index BEST: un index basé sur l’oscillation australe (différence de pression entre Darwin et Tahiti) et la température de surface de l’eau moyenne . Une valeur par an. vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu Smith, C.A. and P. Sardeshmukh, 2000, The Effect of ENSO on the Intraseasonal Variance of Surface Temperature in Winter., International J. of Climatology, 20 1543-1557.

Exemple: Bivariate El Niño Sea Temperature (BEST index) Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Climat: ENSO Exemple: Bivariate El Niño Sea Temperature (BEST index) DWT DWT CWT vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu

Exemple: Climat: mousson Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Climat: mousson Exemple: quantité de pluie lors de la mousson en Inde Moyenne mensuelle des précipitations (en dixième de mm) sur la période de juin à septembre en Inde (par an). DWT CWT vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu

Exemple: Climat: ENSO et mousson Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Climat: ENSO et mousson Exemple: BEST index et pluies Lien entre oscillation australe dans le Pacifique Sud et mousson en Inde => Téléconnection. XWT DWT

Exemple: Climat: ENSO et mousson Analyser les séries temporelles à diverses échelles par les transformées d’ondelettes : utilisation de l’interface WaveleT Lise Vaudor, ISIG Atelier 8, Séminaire Séries Temporelles Exemple: Climat: ENSO et mousson Exemple: BEST index et pluies Lien entre oscillation australe dans le Pacifique Sud et mousson en Inde => Téléconnection. XWT vagues de froid: janvier 1985 février 1956 janvier 1963 Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. of Climatol., 22, 1441-1453. Data and metadata available at http://www.ecad.eu DWT