Post-traitement statistique des prévisions d'ensemble : théorie, application en météorologie et vérification
Pic, Romain
Statistical postprocessing of ensemble forecasts : theory, application in weather forecasting and verification
Auteur moral
Université Bourgogne Franche-Comté
Auteur moral
Dombry, Clément ; Naveau, Philippe ; Taillardat, Maxime
Année de publication
2024
Cette thèse porte sur l'utilisation de méthodes de post-traitement statistiques dans le but d'améliorer les prévisions d'ensemble. Les prévisions d'ensemble sont des prévisions composées de différents membres dont la diversité tente de capturer l'incertitude liée à la prédiction. Les prévisions d'ensemble souffrent de biais et de sous-dispersion et un post-traitement est donc nécessaire afin d'améliorer leur performance. D'un point de vue théorique, cette thèse apporte des résultats sur le taux de convergence en régression distributionnelle en termes de continuous ranked probability score. De nombreuses méthodes de post-traitement statistiques établies tombent dans le cadre théorique de ce résultat. Par ailleurs, dans le cadre de la collaboration avec Météo-France, une méthode de post-traitement statistique basée sur un réseau de neurones U-Net a été développée afin de remédier aux limitations des méthodes utilisées opérationnellement lors de l'utilisation de données sous forme de grille. Cette thèse propose également la construction de scoring rules propres basées sur l'agrégation et la transformation afin de faciliter la vérification de prévisions probabilistes dans le cas multivarié.En parallèle de la thématique principale de cette thèse, des travaux portant sur la convergence universelle en régression distributionnelle et sur l'utilisation de méthodes de régression distributionnelle pour prédire le risque de récurrence de cancer du sein ont été conduits.</div>
Texte intégral
Accès à la notice sur le site du portail documentaire de Météo-France