École Nationale Supérieure de
Techniques Avancées

Résumé

Les XBTs constituaient le système d’observation continu le plus long. Certaines ligne XBT ont étécollectéesdepuisplusque30années,donnantdesprofilsdelatempératuredel’océanàdes zone géographiques diverses. Toutefois, en raison de leur échantillonnage non structuré dans l’espace et dans le temps, ainsi que l’existence des lacunes dans la couverture des données, il est difficile d’utiliser les données XBTs dans la pratique. Nous utilisons dans ce projet des méthodes modernes d’apprentissage automatique, notamment la régression par processus gaussien, pour créer un nouveau produit de température de l’océan avec un échantillonnage régulier de l’espace et du temps. Nous illustrons notre approche en utilisant une base de données "classique" (la "courbe de Keeling" de la concentration du CO2 atmosphérique collectée à partir de l’observatoire du Mauna Loa) avant de présenter des exemples de notre méthodologie appliquée aux données XBT dans le sud de l’océan Indien. Nous discuterons à la fois de la mise en œuvre mathématique et pratique. L’utilisation du périodogramme Lomb Scargle est l’une des clés importantes de notre projet de recherche. Nous nous référerons à l’analyse en composantes principales (ACP) pour réduire la dimension lors du traitement de la profondeur. Une comparaison de cette approche de régression bayésienne à d’autres mécanismes sophistiqués d’apprentissage automatique, en particulier les réseaux de neurones profonds LSTM, est également inclue dans nos recherches.