Résultats de recherche

filters logos

Filtrer les résultats

arrow down
Années
exclamation icon
Type de contenu
Exporter les résultats Sauvegarder les résultats
2 résultats de recherche
pen icon Colloque
Apprentissage Profond Informé par Clausius-Clapeyron pour l'Augmentation de Résolution de Simulations de Précipitation
quote

Les risques hydrométéorologiques peuvent déclencher une cascade d'impacts économiques et sociaux. Le changement climatique intensifiant ces risques, les études d'impact de haute qualité sont cruciales. En raison de la grande complexité des Modèles Climatiques Régionaux, la production de ces simulations s'accompagne de coûts importants de calcul, ce qui limite les applications potentielles. Les modèles d'apprentissage profond sont des outils prometteurs pour la réduction d'échelle du climat, qui surpassent les méthodes statistiques standard de réduction d'échelle. Néanmoins, les réseaux de neurones souffrent de défauts affectant grandement l'utilisation potentielle de leurs simulations à haute résolution. Une famille de méthodes permettant de surmonter …

quote
pen icon Colloque
Régression sur motifs spatiaux pour les données météorologiques spatialisées
quote

Les ressources en eau sont fortement affectées par les changements climatiques, notamment à travers l’apparition croissante d’événements météorologiques extrêmes (comme les inondations). Pour étudier les impacts de ces changements, des modèles hydrologiques souvent alimentés par des données de précipitations et de température spatialisées (c’est-à-dire disponibles sur une grille régulière) sont utilisés. Une façon courante d’obtenir ce type de données qui doivent tenir compte des événements extrêmes et de l’hétérogénéité spatiale est d’utiliser des méthodes d’interpolation spatiale. Les méthodes d’interpolation spatiale les plus courantes utilisées telles que la pondération inverse de la distance et le krigeage ordinaire sont limitées par des …

quote