23 février 2018

Augustin Touron (LMO - PS)
Modélisation de variables météorologiques par modèle de Markov caché

Plus d'infos...

Lieu : Salle 2L8

Résumé : Pour réaliser des études d’impact ou encore étudier le changement climatique, on a recours à des générateurs de temps. Ces modèles statistiques permettent de générer facilement des séries réalistes de variables climatiques telles que la température ou les précipitations. Les modèles à espace d’états tels que les modèles de Markov caché sont particulièrement populaires pour atteindre cet objectif. Nous introduisons une généralisation des modèles de Markov caché permettant de prendre en compte la saisonnalité des variables climatiques. Nous verrons comment estimer les paramètres d’un tel modèle et comment on peut l’utiliser en pratique comme générateur de temps.

Modelling meteorological variables using hidden Markov models

In order to undertake impact studies or to study climate change, one can resort to stochastic weather generators. These are statistical models designed to easily generate realistic time series of climate variables such as temperature or precipitations. To this end, state space models such as hidden Markov models are particularly popular. We introduce a generalization of hidden Markov models that takes into account the seasonal behaviour of weather variables. We will show how to estimate the parameters of such a model and how it can be used in practice as a weather generator.

Modélisation de variables météorologiques par modèle de Markov caché  Version PDF