Modélisation de la température de l’eau en rivière : Régression par décomposition modale empirique et comparaison avec d’autres approches.

Abaza, Ramzi (2020). Modélisation de la température de l’eau en rivière : Régression par décomposition modale empirique et comparaison avec d’autres approches. Mémoire. Québec, Maîtrise en sciences de l'eau, Université du Québec, Institut national de la recherche scientifique, 74 p.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

La température de l'eau a une influence importante sur l'écosystème aquatique, notamment sur la qualité de l'eau ainsi que sur le métabolisme et la distribution des espèces aquatiques. Il est donc essentiel de développer des outils fiables pour prédire la température de l'eau. L'objectif, dans ce travail de recherche, est d'introduire la régression de décomposition modale empirique (EMD-R) pour la prévision de la température quotidienne de l'eau en utilisant la température de l'air comme prédicteur. L'EMD-R est ainsi comparée à deux modèles statistiques classiques : le modèle additif généralisé (GAM) et la régression sigmoïde. Cette comparaison est effectuée sur les données de deux rivières aux États-Unis et de deux rivières au Canada. Ces trois modèles sont évalués à l'aide de quatre critères de performance, à savoir l'erreur quadratique moyenne (RMSE), le coefficient de détermination (R²), la validation croisée généralisée (GCV) et le biais. Pour les quatre cas étudiés, le modèle EMD-R est généralement celui qui fournit les performances les plus élevées par rapport aux autres modèles considérés.

Water temperature has a significant influence on the aquatic ecosystem, including impacts on water quality as well as on the metabolism and distribution of aquatic species. It is therefore essential to develop reliable tools to predict water temperature. The objective in this research is to introduce empirical mode decomposition regression (EMD-R) for the prediction of daily water temperature using air temperature as a predictor. EMD-R is herein compared to two classical statistical models: Generalized Additive Model (GAM) and Sigmoid regression. This comparison is performed on data from two rivers in the United States and two riversin Canada during the ice-free period. These three models are evaluated using four performance criteria, namely the Root Mean Square Error (RMSE), the coefficient of determination (R²), the Generalized Cross Validation (GCV) and the Bias. For the four studied cases, the EMD-R model is generally the one providing the highest performances compared to the other considered models.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	Chebana, Fateh
Co-directeurs de mémoire/thèse:	St-Hilaire, Andréet Masselot, Pierre
Mots-clés libres:	température de l’eau; température de l’air; décomposition en mode empirique; régression; LASSO; prédiction; water temperature; air temperature; empirical mode decomposition; regression; prediction
Centre:	Centre Eau Terre Environnement
Date de dépôt:	21 avr. 2021 15:07
Dernière modification:	06 oct. 2021 15:01
URI:	https://espace.inrs.ca/id/eprint/11739

Gestion Actions (Identification requise)

Modifier la notice