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]
Prévisualisation
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

Modifier les métadonnées de ce document.