Dépôt numérique
RECHERCHER

Sélection des prédicteurs pour la mise à l'échelle des données MCG par la méthode Lasso.

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Hammami, Dorra (2012). Sélection des prédicteurs pour la mise à l'échelle des données MCG par la méthode Lasso. Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maîtrise en sciences de l'eau, 85 p.

[thumbnail of T000613.pdf]
Prévisualisation
PDF
Télécharger (10MB) | Prévisualisation

Résumé

Au cours des 10 dernières années, les techniques de réduction d'échelle (dynamiques ou statistiques) ont été largement développées afin de fournir une information sur le changement climatique à une résolution plus fine que celle fournie par les modèles climatiques globaux (MCG). Vu que la plus grande préoccupation des techniques de réduction d'échelle est de fournir l'information la plus précise possible, les analystes ont essayé de nombreuses méthodes pour améliorer la sélection des prédicteurs, étape cruciale en réduction d'échelle statistique. Des méthodes classiques sont utilisées, telles que les méthodes de régression simple en particulier la méthode de régression pas à pas. Cependant, cette dernière présente quelques limites en traitant les problèmes de colinéarité des variables ainsi qu'en fournissant des modèles complexes difficiles à interpréter. La méthode lasso est utilisée comme une deuxième alternative. L'objectif de cette étude est la comparaison des performances d'une méthode classique de régression (régression pas à pas) et de la méthode lasso. Pour ce faire, des séries de données de 9 stations situées au sud du Québec ainsi que 25 prédicteurs, s'étalant sur la période de 1961-1990 sont exploités. Les résultats indiquent qu'en raison de ses avantages de calcul et de sa facilité d'implémentation, lasso donne de meilleurs résultats en se basant sur le coefficient de détermination et l'erreur quadratique moyenne (EQM) utilisés comme outils de comparaison des performances.

Type de document: Thèse Mémoire
Directeur de mémoire/thèse: Ouarda, Taha B. M. J.
Mots-clés libres: prédicteur; méthode Lasso; données MCG; régression pas à pas; station; climat; erreur quadratique moyenne
Centre: Centre Eau Terre Environnement
Date de dépôt: 16 oct. 2013 20:34
Dernière modification: 28 janv. 2021 15:05
URI: https://espace.inrs.ca/id/eprint/1630

Gestion Actions (Identification requise)

Modifier la notice Modifier la notice