Colloque

Sélection des prédicteurs pour la réduction d'échelle des données MCG par la méthode Lasso

Dorra Hammami

Taha B. M. J. Ouarda

Membre a labase

Dorra Hammami : INRS - ETE - Institut national de la recherche scientifique - Eau Terre Environnement

Résumé de la communication

Les techniques de réduction d'échelle ont été largement développées ces dernières années afin de fournir une information sur le changement climatique à une résolution plus fine que celle fournie par les modèles climatiques globaux (MCG). Ils partent de l'hypothèse qu'il sera possible d'établir des rapports statistiques significatifs entre le climat local et le climat global. En cas où on dispose de plusieurs variables explicatives appelées des prédicteurs, une sélection paraît être nécessaire. De nombreuses méthodes ont été proposées pour améliorer la sélection des prédicteurs. Des méthodes classiques sont utilisées, telle que la méthode de régression pas à pas. Cependant, cette dernière présente quelques limites en présence de colinéarité des variables. L'objectif de la présente étude est d'utiliser une nouvelle méthode de régression qui est la méthode Lasso et comparer ses performances par rapport à la régression pas à pas. 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 considérés. Les résultats indiquent qu'en raison de ses avantages de calcul et de sa facilité d'implémentation, l'approche par Lasso donne de meilleurs résultats en se basant sur le coefficient de détermination (R²) et l'erreur quadratique moyenne (EQM).

Résumé du colloque

Les approches statistiques développées pour l’estimation des événements hydrométéorologiques extrêmes, permettent d'extraire le maximum d’information sur le comportement asymptotique de ces événements à partir des observations. Les derniers développements concernent l'intégration de différentes sortes d’informations pour améliorer la qualité des estimateurs des événements extrêmes. Ce colloque met plus particulièrement l’accent sur les études du comportement asymptotique en analyse fréquentielle, les approches bayésiennes pour l’intégration de l’information a priori (avis des experts, information historique,…) et les modèles non stationnaires avec les téléconnexions climatiques.