Zaffran, Mme Margaux (2020) Clustering of rainfall extremes by coupling Kullback-Leibler divergence and machine learning algorithms PFE - Projet de fin d'études, ENSTA.
Fichier(s) associé(s) à ce document :
![[img]](/style/images/fileicons/application_pdf.png)
| PDF 19Mb |
Résumé
Les évènements climatiques extrêmes ont un impact sociétal important, particulièrement les fortes précipitations. De récents événements dramatiques, comme la tempête Alex qui a frappé le nord de l’Italie et le sud-est de la France, mettent en lumière l’intérêt de mieux connaitre ce type d’évènement extrêmes afin d’adapter les infrastructures. Le manque de données intrinsèque à ces études amène à considérer un outil qui crée des régions homogènes pour améliorer leur étude. Nous proposons un modèle de partitionnement adapté aux extrêmes et fondé les distributions de probabilités. De plus, nous analysons ses résultats sur des données quotidiennes de précipitations de Météo-France.
| Type de document: | Rapport ou mémoire (PFE - Projet de fin d'études) |
|---|---|
| Mots-clés libres: | clustering, Kullback-Leibler divergence, extreme values, Extreme Value Theory, rainfall, climate |
| Sujets: | Mathématiques et leurs applications |
| Code ID : | 8291 |
| Déposé par : | Margaux Zaffran |
| Déposé le : | 13 nov. 2020 09:00 |
| Dernière modification: | 13 nov. 2020 09:00 |
