Soutenance
Julien Gazeaux (LATMOS)
Date et heure : Le 07-02-2011 à 14h00
Type : thèse
Université qui délivre le diplôme :
Lieu : Campus de Jussieu, Bâtiment Escanglon, Amphithéâtre Astier
Dr. Allard Denis, Rapporteur (INRA)
Dr. Mestre Olivier, Rapporteur (Météo France)
Dr. Cosme Emmanuel, Examinateur (LEGI)
Dr. De Mazière Martine, Examinatrice (IASB)
Pr. Ravetta Francois, Examinateur (LATMOS)
Pr. Thiria Sylvie, Examinatrice (LOCEAN)
Dr. Bekki Slimane, Directeur de thèse (LATMOS)
Dr. Naveau Philippe, Co-directeur de thèse (LSCE)
Ce travail de thèse est consacré à la problématique de 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 (soit dans la variance soit dans la moyenne) ou par des pics caractéristiques de phénomènes éruptifs.
Nous nous sommes attachés à répondre à différentes questions telles que : quel type d'information s'attend-on à trouver dans nos jeu de données ? Le signal supposé caché se trouve-t-il réellement dans les données d'étude ? Comment détecter l'instant d'occurrence d'un phénomène, comment le caractériser (timing, amplitude ...) ? Si un tel signal est détecté, quelle incertitude est associée à cette détection ?
Nous répondons aux questions précédentes au travers du développement de modèles probabilistes de détection d'évènements cachés. Nous nous sommes intéressés à différents modèles non stationnaires, dont deux sont notamment sont présentés dans un cadre multivarié.
Au travers de trois modèles probabilistes décrivant des signaux cachés divers (rupture de variance, signaux éruptifs et changement de moyenne), nous avons développé des méthodes associées de détection. Le premier modèle est appliqué à la détection de nuages stratosphériques polaires dans des profils lidar, le deuxième à des éruptions volcaniques dans des séries chronologiques de sulfate et le troisième est consacré à la détection de la date de l'onset de la mousson Africaine dans des données géophysiques liées à la dynamique atmosphérique et aux précipitations.
Les différentes méthodes mises en place 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 (hétéroscédasticité) en association à des tests d'hypothèses à la résolution de filtres de Kalman dans un cadre non stationnaire et non linéaire pour la décomposition de séries multivariées couplée à la détection des signaux cachés. Les difficultés techniques liées à l'extraction de signaux cachés sont analysées et les performances des différents algorithmes sont évaluées.
Université qui délivre le diplôme :
UPMC
julien.gazeaux@latmos.ipsl.fr