Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012optimale de la fenêtre temporelle appliquée à l’entrée du TDNN. Il permet de mettre enévidence une propriété intéressante dans le cas du phénomène de précipitations, celle de voirque l’état futur du phénomène dépendrait de plusieurs états l'ayant précédé, ainsi que lesdonnées de précipitations forment une séquence d’un phénomène aléatoire dont la durée devie est relativement courte.3.2. Apprentissage du second ordreLes figures 5, 6 et 7 ainsi que la table 2, illustrent les résultats obtenus en utilisantl’algorithme de Lavenberg-Marquardt.(a) Apprentissage (période : 1996/2008). (b) Test (période : 2009/2010).Figure 5 : TDNN avec fenêtre temporelle de taille 2.(a) Apprentissage (période : 1996/2008). (b) Test (période : 2009/2010).Figure 6 : TDNN avec fenêtre temporelle de taille 3.(a) Apprentissage (période : 1996/2008). (b) Test (période : 2009/2010).Figure 7 : TDNN avec fenêtre temporelle de taille 4.En utilisant l’algorithme de second ordre, on voit que les performances (R, EQM)s’améliorent par rapport aux résultats trouvés en utilisant l’algorithme du premier ordre. Cerésultat qui fixe à quatre la taille optimale de la fenêtre temporelle appliquée à l’entrée duTDNN, signifie que l’algorithme d’apprentissage du second ordre permet d’avoir une121