Back


Mathias PEROUMALNAIK : Etude contextuelle d'un système de classeurs de type Pittsburgh adapté dans le cadre de la prévention des risques cycloniques dans la Caraïbe



Résumé


Cette étude se réalise dans le cadre d'un projet InterregIIIb (fonds européens et régionaux) intitulé: "Prévision des trajectoires, de l’évolution du potentiel dynamique et de l’impact des ouragans à l’échelle des îles de la Caraïbe.".

En effet, il s'agit d'étudier l'application d'un système de classeurs apprenant, le système de classeurs de type Pittsburgh adapté (APCS), à la construction d'une prédiction de l'impact des vents liés à un phénomène cyclonique à l'échelle des îles de la Caraïbe, et plus particulièrement pour le territoire utilisé dans le cadre de cette étude : la Guadeloupe.

Pour réaliser cette application, au cours de cette étude, nous explorons deux pistes de modélisation pour concrétiser l'interaction entre le système apprenant et les données en présence (force du vent et fragilité de la zone étudiée).

Dans le premier cas, nous prenons en compte la continuité du phénomène observé : le signal envoyé au système au temps t+1 dépend de la réponse fournie par ce dernier au temps t. L'exploration de cette piste de modélisation nous a permi de réaliser plusieurs avancées théoriques dans la compréhension des mécanismes régissant le système APCS sur ce type d'environnements dont une avancée majeure améliorant notablement les performances du système à travers le mécanisme de « covering ».

Le second cas de figure est finalement celui que nous avons retenu pour permettre  l'apprentissage de l'impact du phénomène cyclonique. En effet, en se reposant sur les données à notre disposition, nous sommes contraint de considérer chaque étape de passage du cyclone comme un événement ponctuel. De ce fait, nous faisons disparaître la temporalité présente lors du passage du phénomène pour considérer indépendamment chacune des étapes du passage de la perturbation sur le territoire concerné.

Cette seconde partie de l'étude, à travers les expériences conduites sur des problèmes types présentés dans la littérature, se conclut elle aussi sur de nouvelles pistes d'exploitation de l'APCS en environnement de classification, mises à jour notamment grâce à l'application d'un nouveau mécanisme au sein de la structure apprenante : le mécanisme d' « action-covering ».

Nous concluons cette étude sur une présentation du travail d'ingénieurie réalisé ainsi que sur les prédictions préliminaires obtenues et visualisables sur la plateforme PREVIOS (http://murene.univ-ag.fr:8008)