Introduction d'outils de l'intelligence artificielle dans la prévision de pluie par radar
Résumé
The work presented in this thesis aims at the development of a short-term radar rainfall forecasting system, that is adapted to use in urban hydrology. The system, named PROPHETIA, is based on rain cell tracking, in order to take individual advection into account. To forecast the rainfall at an instant tn, based on the series of radar images (I1
In), the algorithm of PROPHETIA contains four main parts: - identification and description of the rain cell echoes on image In - coupling of rain cells observed on the images I1
In, with the echoes defined on image In - characterization of the rain cells in the interval (t1, tn) - forecast of the rainfall by extrapolation of rain cell characteristics. A threshold technique is used for echo identification. The coupling algorithm is based on the application of a decision tree, that has been generated by machine learning from human defined examples. The high performance of this rule base is demonstrated by comparison with the human-defined couplings. In the first part of the study, the forecast is based on rain cell advection alone. The performance of the system is analyzed with respect to a new hydrological evaluation criteria, named TMP. It is shown that the error rate of forecasts by PROPHETIA is lower than that of other techniques, especially for convective rainfall events. The principal remaining forecast error is due to convective rain cell development during the forecast lead time. A model of this development is suggested, that allows for localizing the air masses alimenting the rain cells. Based on a statistical analysis of convective rain cells in terms of the model, a method is proposed, that takes rain cell growth/decay rates into account. It is shown, that a significant improvement of forecast quality can be achieved with this technique, if the development rates are known in advance. In the last part of the study, the possibilities of forecasting the rain cell development are explored. An examination of a sample set demonstrates the necessity of taking local variations of the surface conditions into account. Possible solutions to this problem are discussed.
L'objectif de l'étude présentée est le développement d'un système de prévision de pluie par radar, qui est adapté aux besoins de l'hydrologie urbaine. Un système automatisé structuré, baptisé PROPHETIA, est présenté, dont le fonctionnement est basé sur l'observation des cellules de pluie. L'algorithme de PROPHETIA de prévision de pluie à partir d'une série d'images (I1
In), mesurées aux instants t1
tn, comprend quatre étapes: - identification et description des échos des cellules sur l'image actuelle In - appariement des cellules observées sur les images I1
In avec les échos sur l'image In - caractérisation des cellules dans l'intervalle (t1, tn) - prévision de pluie par extrapolation des caractéristiques dans l'avenir. Une technique de seuillage est appliquée pour l'identification des cellules. Pour leur appariement sur des images successives, une base de règles sous la forme d'un arbre de décision a été constituée par apprentissage automatique à partir d'exemples, qui ont été définis manuellement. La très bonne performance de la base de règles est mise en évidence par la comparaison avec les appariements manuels. La prévision de PROPHETIA repose dans un premier temps sur la seule caractéristique de l'advection des cellules. Les résultats de cette prévision sont analysés selon un nouveau critère hydrologique, baptisé TMP. La qualité atteinte par PROPHETIA est comparée à celle d'autres systèmes de prévision. PROPHETIA est surtout plus performant pour les pluies convectives. L'examen détaillé des erreurs de la prévision par PROPHETIA a révélé que leur origine provient de l'hypothèse d'absence de développement des cellules à l'horizon de la prévision. L'étude des facteurs influant sur le développement des cellules a mené à la proposition d'un modèle des cellules reliant le développement aux masses d'air alimentant la cellule. La localisation du développement des cellules de pluie convective de la base de données est possible et apporterait un gain de prévision si le taux de ce développement pouvait être prédit, comme cela a été démontré pour un échantillon de 12 pluies convectives. Or celui-ci dépend manifestement, comme l'étude des cycles de vie de quelques cellules l'a montré, de la possibilité de caractériser correctement les secteurs géographiques d'influence très différente sur la convection : une meilleure caractérisation de ces secteurs devrait être l'objectif qui suivrait celle-ci.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...