Theses et Memoires de l'universite d'Antananarivo

Resume

le présent travail a pour objectif d’améliorer la prévision des trajectoires de cyclones tropicaux par la méthode statistique. il est axé en programmation informatique. la prévision des trajectoires des cyclones tropicaux est faite avec un modèle d’ensemble d’analogues. les analogues à celles pour lesquelles nous souhaitons faire une prévision ont été sélectionnés parmi toutes les situations rencontrées dans le passé dans un bassin. la performance de prévision a été mesurée en calculant la distance entre la position réelle et la position calculée à chaque intervalle de 6 heures. l’étude a été effectuée sur le bassin austral, bassin sud ouest de l’océan indien et le bassin atlantique. dans la première partie, une nouvelle technique de sélection des analogues dite principal axis tree (pat) a été insérée dans le modèle auto-adaptatif. le calcul des positions de cyclone à chaque intervalle de temps de six heures a été fait avec la moyenne arithmétique. la nouvelle technique de sélection est équivalente à l’ancienne méthode sur le bassin de l’australie. sur le bassin sud ouest de l’océan indien et le bassin atlantique, pat réduit la performance de la prévision. dans la seconde partie, une famille de réseau de neurones artificiel dit « réseau d’ondelette linéaire local » (llwnn) a été utilisée sur les trois bassins, avec la nouvelle technique de sélection. l’apprentissage de ce réseau de neurones a été fait avec l’algorithme heuristique dénommé optimisation par essaim particulaires ou par dénomination anglo-saxon « particle swarm optimization ». comparé avec la moyenne arithmétique, le réseau d’ondelettes linéaire local a l’avantage d’avoir des erreurs de prévision plus homogène sur l’ensemble de prévision fait sur un ensemble de cyclone test, sur les trois bassins considérés. en général, le réseau d’ondelettes linéaire local est équivalent à la moyenne arithmétique en qualité de prévision.

Mots cles