1 Evaluer le risque en situation de changement climatique : mission impossible ? SAMA, 19 Janvier 2007 Eric Parent 1, Jacques Bernier 1 et Vincent Fortin.

Slides:



Advertisements
Présentations similaires
Le resampling Application d’une méthode Statistique pour gérer les
Advertisements

Comparaison des méthodes déterministes et Monte Carlo
PLAN I / OBJECTIFS II/ OBSERVATIONS FAITES LORS DE LA PRECEDENTE SEANCE III/CARACTERISATION DES ANTENNES IV/CONCLUSION V/PERSPECTIVES.
Thèmes du chapitre 3 La prise de décisions : l’essence même de la gestion 1. Le contexte de la prise de décisions 2. La méthode rationnelle de prise de décisions.
Caractériser les précipitations intenses du MRCC
Champs de Markov en Vision par Ordinateur
19 Avril 2006SAR-DRIFT 1 Projet SAR-DRIFT Localisation d'objets dérivants et système d'aide à la décision, pour les opérations de recherche et sauvetage.
Un modèle physique-biologie de croissance et survie larvaire
De lanalyse des données … … au Datamining Aide à la prise de décision.
Tests non paramétriques
1 Séminaire de travail « Indicateur de croissance en France et/ou en zone euro : méthodologie et évaluation » 14 juin 2006 Indicator Models of Real GDP.
Audition CNRS pour le poste 44/04 au LOCEAN
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Statistique descriptive
Sylvain Mondon Météo-France
THÈME APPLICATION OF THE ARTIFICIAL NEURAL NETWORK FOR MODELING THE THERMAL BEHAVIOR OF BUILDING IN HUMID REGION Léopold Mbaa, Pierre Meukamb, Alexis.
                                        République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique.
Estella Annoni, Franck Ravat, Olivier Teste, Gilles Zurfluh
Prévisions des ventes :
Conception d’un Assainissement Régulé, Dynamique et Intelligent
Marketing Engineering
Simulation multi-agent de phénomènes collectifs : quelques questions d’ordre épistémologique Frédéric AMBLARD Institut de Recherche en Informatique de.
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Séminaire de lobjectif « forage et production » Beaune, les 26,27 et 28 Avril 2000 Outils danalyse statistiques « programmation par lexemple » S. Canu,
Les défis de la mesure du risque d'un portefeuille global... pour l'optimisation de la politique de placement Par Richard Guay, Ph.D., CFA Premier vice-président,
Comprendre la variation
Champs de Markov cachés pour la classification de gènes..
Quelques Modèles de conception
Comprendre la variation dans les données: Notions de base
SCIENCES DE L ’INGENIEUR
Master professionnel Statistique, informatique et techniques numériques (SITN)
SPECIFICATIONS GEOMETRIQUES
Méthodes de prévision (STT-3220) Section 4 Concepts fondamentaux de séries chronologiques Version: 8 novembre 2004.
Commentaires sur les biais écologiques et les échelles non emboîtées
Courbes de Bézier.
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Suggestions pour le travail final.
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
Les prévisions et la gestion de la demande
Modèles de décisions financières
Objectifs du chapitre sur les distributions déchantillonnage Comprendre la relation entre les distributions déchantillonnage et les tests dinférence statistique.
Approches non intrusives des éléments finis stochastiques
Mécanique Statistique
Tolerance Manager Un concept métier
Journée des thèses, mai Analyses statistiques pour la détection de tendances ou de ruptures dans le régime des crues et sécheresses en France.
Modes de représentation des incertitudes : Un état des lieux
à partir de données géo-référencées zero-inflated
ONO Kotaro – AFH Modélisation statistique bayesienne dun modèle de production de biomasse. Application à la pêcherie de poulpe (Octopus vulgaris)
Filtrage de Kalman et aperçu probabiliste
Génétique 30 Mars 2006 Mahinc Mathias Mollet Céline
Réseaux bayésiens: Inférence
Présentation de la méthode des Eléments Finis
On cherche des renseignements sur p.
Niveaux d'eau extrêmes pour le dimensionnement
Probabilités et Statistiques
Karem Chokmani - Professeur Marion Tanguy - Étudiante au doctorat
Programmation dynamique
10 février 2006GDR ISIS Journée Localisation et Navigation Projet EGNOS-BUS (Eurêka) André Monin, Wael Suleiman LAAS-CNRS.
Amélioration de la simulation stochastique
Théorème de la limite centrale l’inférence statistique
Christelle Scharff IFI 2004
Micro-intro aux stats.
W w w. u o t t a w a. c a Mathématiques et Statistique Faculté de Science Groupe de recherche en Probabilité et Statistique Dept: (613) Fax: (613)
ANR Perçoive Plénière du 27/01/2009. Tâche 5 : Estimation coopérative; Tâche 7 : Validation expérimentale ;[Gerald] Tâche 4 : Communication inter-véhicules;
Méthode des moindres carrés (1)
Mathématique et Informatique Appliquées
Evaluation des performances des tests diagnostiques en absence de Gold Standard Christophe Combescure Laboratoire de Biostatistique, IURC.
Rappel de statistiques
Surveillance de l'environnement : la problématique du prélèvement, du traitement, de la mesure des échantillons de l'environnement et de l’interprétation.
Yann Guédon CIRAD, DAP & INRIA Virtual Plants
Scénario Quatre hipsters entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones.
Transcription de la présentation:

1 Evaluer le risque en situation de changement climatique : mission impossible ? SAMA, 19 Janvier 2007 Eric Parent 1, Jacques Bernier 1 et Vincent Fortin 2 1 Equipe MOdélisation, Risque, Statistique, Environnement de l 'UMR MIA 518 INRA/AgoParisTech 2 Recherche en prévision numérique, Service météorologique du Canada

2 Durée de Retour T dun événement dommageable E * définition probabiliste (unité de temps ) * contexte environnemental - processus stationnaire - I I D Fondamentalement --> Concept fréquentiste Des valeurs critiques spécifient le dimensionnement Ex. ; événement décennal, centenal, millénal,...

3 Conception Décisionnelle du Risque Demande la définition d une « situation de risque » Exemple : cas du contexte IID fondant la durée de retour : W 1 = Dp (i.e prime d assurance) W 2 = C

4 * La conception fréquentiste (T) est très dépendante du contexte particulier IID. *La conception décisionnelle est générale mais doit sadapter aux cas spécifiques : Nécessaire en Environnement Changeant Exemple : Dimensionnement dune structure de protection (garantie minimale a) contre une « secheresse »

5 Le Modèle « Shifting Level » (MSL) Le coût prédictif de MSL généralisant W(a, est aisément calculable par simulation intégrée à un algorithme de Gibbs ou préférentiel étendu (Population Monte Carlo proposée par C. Robert) pour linférence des paramètres

6 Le modèle MSL est théoriquement stationnaire mais : * Au niveau phénoménologique il peut représenter des comportements changeants à long, moyen ou court terme en adaptant les paramètres et Mais compte tenu des séries trop courtes observées, il faut distinguer entre : - le problème dinférence sur et qui ne permet pas destimer des valeurs crédibles trop petites. - le problème de sensibilité du risque (fonction W) à ces valeurs caractéristiques de chang ts à long terme REMARQUE

7 Cas de la rivière SENEGAL à Bakel ( )

8 Modèle de changements à dates fixes Distributions a posteriori des dates Date moyenne 1967

9 Modèle avec changements aléatoires MSL

10 Fréqences moyennes de non-dépassement sur 100 ans (IID en noir, MSL en rouge) Coût total moyen sur 100 ans (IID en noir, MSL en rouge) Critères de risque IID et MSL

11 Influence des conditions initiales = 460 m3/s â (optimum) = 324 m3/s

12 Sensibilité aux changements à long terme m3/s autres paramètres identiques à ceux estimés sur Fréqences moyennes de non-dépassement sur 100 ans (IID en noir, MSL en rouge) Coût total moyen sur 100 ans (IID en noir, MSL en rouge) â = 404 m3/s

13 BIBLIOGRAPHIE * Bernier J (2001) : Décisions et comportement des décideurs face au risque hydrologique, Rev. Sciences Hydrol. AISH. *Cemagref (1998) : Guide pratique de la méthode "Inondabilité". *Fortin V, Perreault L and Salas J.D.(2003) : Retrospective Analysis and Forecasting of Streamflows Using a Shifting Level Model *Guillin A, Marin J M, Robert C P (2005) : Estimation bayesienne approximative par échantillonnage préférentiel, Rev de Stat. Appli., LIII (1). *Renard B, Garetta V, Lang M (2006) : An empirical comparison of MCMC methods used in Bayesian inference. Application for regional trend estimation.