23.01.2015 Views

These de Doctorat - LTHE

These de Doctorat - LTHE

These de Doctorat - LTHE

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

6.3. Prévisions bi-quotidiennes <strong>de</strong> précipitations par analogie 187<br />

Algorithmes <strong>de</strong> sélection<br />

D1 D2 D3 D4<br />

Première sélection<br />

Variable Z Z Z Z<br />

Niveau et heure Z 1000 à t=1 Z 1000 à t=1 Z 1000 à t=1 Z 1000 à t=1<br />

<strong>de</strong> mesure Z 500 à t=3 Z 500 à t=3 Z 500 à t=3<br />

Fenêtre lon : <strong>de</strong> -9 à +18°E lon : <strong>de</strong> -9 à +18°E lon : <strong>de</strong> -9 à +18°E lon : <strong>de</strong> -9 à +18°E<br />

lat : <strong>de</strong> 36 à 49.5°N lat : <strong>de</strong> 36 à 49.5°N lat : <strong>de</strong> 36 à 49.5°N lat : <strong>de</strong> 36 à 49.5°N<br />

Critère S1 S1 S1 S1<br />

N1 50 50 75 60<br />

Secon<strong>de</strong> sélection<br />

Variable - - PW% V×PW%<br />

Niveau et heure - - R 925 à t=1 R 700 à t=1<br />

<strong>de</strong> mesure R 925 à t=3 R 700 à t=3<br />

i<strong>de</strong>m pour U et V<br />

Fenêtre - - fenêtre n°32 fenêtre n°2<br />

lon = 4.5°E lon = 4.5°E<br />

lat = 43.875°N lat = 43.875 à 45°N<br />

Critère - - RMSE RMSE<br />

N2 - - 30 25<br />

CRPSS<br />

Calibration 33.06% 36.80% 34.63% 38.07% 38.86% 43.18% 37.49% 41.27%<br />

Validation 35.41% 39.15% 36.68% 40.01% 40.99% 45.25% 40.05% 44.19%<br />

Tableau 6.6 Description <strong>de</strong>s algorithmes <strong>de</strong> sélection <strong>de</strong> situations analogues retenus pour la phase <strong>de</strong><br />

validation. Les valeurs en gras et italique correspon<strong>de</strong>nt respectivement à l'ensemble <strong>de</strong>s<br />

groupements et aux bassins cévenols uniquement. Pour la <strong>de</strong>scription <strong>de</strong>s instants t=1 et<br />

t=3, se reporter à la gure 6.7 page 176.<br />

Etu<strong>de</strong> <strong>de</strong>s performances<br />

La phase <strong>de</strong> validation présente une hierarchie i<strong>de</strong>ntique entre les diérents algorithmes d'analogie<br />

retenus lors <strong>de</strong> la phase <strong>de</strong> calibration : D1 < D2 < D4 < D3. Les performances globales<br />

moyennes sur l'ensemble <strong>de</strong>s groupements et <strong>de</strong>s pério<strong>de</strong>s <strong>de</strong> cumuls (0618 et 1806), détaillées<br />

dans le tableau 6.6, augmentent si l'analogie porte sur <strong>de</strong>ux champs géopotentiels (36.68%) au<br />

lieu d'un champ unique (35.41%). Réaliser une secon<strong>de</strong> analogie en complément <strong>de</strong> la première<br />

sur les champs géopotentiels améliore la capacité à prévoir les précipitations. La compétence<br />

du CRPS augmente <strong>de</strong> 4.31, passant <strong>de</strong> 36.68 à 40.99% si l'analogie <strong>de</strong> second ordre porte uniquement<br />

sur l'humidité à 925 hPa sur la fenêtre spatiale n°32. L'analogie sur le ux horizontal<br />

d'humidité à 700 hPa sur la fenêtre °2 présente un gain moindre, la valeur du CRPSS atteignant<br />

40.05%. Outre le respect <strong>de</strong> la hierarchie entre les algorithmes retenus, la phase <strong>de</strong> validation<br />

montre que les écarts entre <strong>de</strong>ux algorithmes sont similaires. Ceux-ci valent 1.27, 4.31 et -0.94,<br />

respectivement entre D1 et D2, entre D2 et D3, et entre D3 et D4. Pour rappel, ils valent respectivement<br />

1.57, 4.23 et -1.37 pour la phase <strong>de</strong> calibration. L'optimisation eectuée <strong>de</strong> la métho<strong>de</strong>s<br />

<strong>de</strong>s analogues est donc bien reproductible. Dès lors, les algorithmes retenus sont validés.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!