Méthodes probabilistes d'extraction de signaux cachés appliquées à des problèmes de sciences de l'atmosphère - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2011

Probabilistic detection methods for hidden signals applied to geosciences problems

Méthodes probabilistes d'extraction de signaux cachés appliquées à des problèmes de sciences de l'atmosphère

Julien Gazeaux
  • Fonction : Auteur

Résumé

This work is devoted to the study of signal extraction applied to atmospheric sciences. The main thread in the different studies presented here is the detection, estimation and characterization of hidden signals. The probabilistic modeling approach has turned out to be well suited to this problematic. For all the problems considered here, the main objective was to respond to the following questions : Which type of information do we expect to find in our data sets ? Are expected hidden signals actually present in the data sets ? How is it possible to detect the time of occurrence of a phenomenon ? How can it be characterized (timing, amplitude ... ) ? If such a signal is detected, what is the uncertainty associated to the detection ? These questions are tackled through three probabilistic hidden signals models. We have focused on non stationary and multivariate models. Along three probabilistic models describing diverse hidden signals (break of variance, pulse-like signals and shift in the mean), we have also developed associated detection methods. The first model is applied to the detection of polar stratospheric clouds in lidar profiles, the second to volcanic eruptions in time series of sulfate and finally the third is applied to detect the date of the onset of the African monsoon in data related to atmospheric dynamics and precipitation. The various methods use a range of techniques in probabilistic modeling, from the likelihood ratio maximization associated with hypothesis testing to the resolution of Kalman filters in a non stationary and non linear framework for the decomposition of multivariate series coupled with the detection of hidden signals. The technical difficulties associated to the extraction of hidden signals are analyzed and the performances of the various algorithms are estimated. The results confirm the interest and the potential of probabilistic methods applied to problems of hidden signals in atmospheric sciences.
Ce travail de thèse est consacré à la problématique de l'extraction de signaux dans le domaine des sciences de l'atmosphère. Le point commun des problèmes considérés est la notion de détection et d'estimation de signaux cachés. L'approche par la modélisation probabiliste s'est avérée y être bien adaptée. Nous nous sommes attachés à répondre à différentes questions telles que : quel type d'information s'attend-on à trouver dans un jeu de données ? Le signal supposé caché se trouve-t-il réellement dans les données d'étude ? Comment détecter l'instant d'occurrence d'un phénomène, comment le caractériser (timing, amplitude ...) ? Si un tel signal est détecté, quelle (in)certitude est associée à cette détection ? Nous répondons à ces différentes questions au travers du développement de différents modèles probabilistes de détection d'évènements cachés. Nous nous sommes intéressés à différents modèles non stationnaires, dont deux sont notamment présentés dans un cadre multivarié. Au travers de trois modèles probabilistes décrivant des signaux cachés divers (rupture de variance, signaux éruptifs et changement de moyenne), nous avons aussi développé des méthodes associées de détection. Le premier modèle est appliqué à la détection de nuages stratosphériques polaires dans des profils lidar, le deuxième à des éruptions volcaniques dans des séries chronologiques de sulfate et enfin le troisième est appliqué à la détection de la date de l'onset de la mousson Africaine dans des données géophysiques liées à la dynamique atmosphérique et aux précipitations. Les différentes méthodes mises en place font appel à une variété de techniques de modélisation probabiliste allant de la maximisation de rapport de vraisemblance associée à des tests d'hypothèses à la résolution de filtres de Kalman dans un cadre non stationnaire et non linéaire pour la décomposition de séries multivariées couplée à la détection des signaux cachés. Les difficultés techniques liées à l'extraction de signaux cachés sont analysées et les performances des différents algorithmes sont évaluées. Les résultats obtenus confirment l'intérêt des méthodes probabilistes appliquées à ces problématiques de signaux cachés en sciences de l'atmosphère.
Fichier principal
Vignette du fichier
manuscrit.pdf (3.5 Mo) Télécharger le fichier

Dates et versions

tel-00747464 , version 1 (31-10-2012)
tel-00747464 , version 2 (07-11-2012)

Identifiants

  • HAL Id : tel-00747464 , version 1

Citer

Julien Gazeaux. Méthodes probabilistes d'extraction de signaux cachés appliquées à des problèmes de sciences de l'atmosphère. Physique Atmosphérique et Océanique [physics.ao-ph]. Université Pierre et Marie Curie - Paris VI, 2011. Français. ⟨NNT : 2011PA066023⟩. ⟨tel-00747464v1⟩
406 Consultations
1125 Téléchargements

Partager

Gmail Facebook X LinkedIn More