Réseaux de neurones artificiels pour la prédiction et la reconstruction de dynamiques océanographiques - Archive ouverte HAL Access content directly
Conference Papers Year :

Réseaux de neurones artificiels pour la prédiction et la reconstruction de dynamiques océanographiques

(1, 2) , (3, 4) , (1, 2)
1
2
3
4

Abstract

En raison de la disponibilité d'importantes bases de données d'observations à grande échelle acquisses lors des différentes missions spatiales d'altimétrie, les modèles basés donnés apparaissent comme des représentations pertinentes de systèmes géophysiques pour un large éventail d'application. Dans ce travail, nous étudions la pertinence des représentations basées réseaux de neurones, pour la prédiction et la reconstruction de champs géophysiques à partir de données de télédétec-tion satellitaires. La validation de nos modèles est démontrée sur un champ de température de la mer au large de l'Afrique du Sud, une zone qui implique une dynamique océanique intense et complexe. Nos expériences numériques démontrent que les représentations à base de réseaux de neurones surpassent les autres-modèles, y compris les schémas analogues, en matière de prédiction et d'interpolation des données manquantes avec un gain relatif allant jusqu'à 50%.
Fichier principal
Vignette du fichier
CFPT2018_paper_ouala.pdf (168.52 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01883211 , version 1 (27-09-2018)

Identifiers

  • HAL Id : hal-01883211 , version 1

Cite

Said Ouala, Cédric Herzet, Ronan Fablet. Réseaux de neurones artificiels pour la prédiction et la reconstruction de dynamiques océanographiques. CFPT 2018 - Conférence Française de Photogrammétrie et de Télédétection, Jun 2018, Marne-la-Vallée, France. pp.1-3. ⟨hal-01883211⟩
189 View
329 Download

Share

Gmail Facebook Twitter LinkedIn More