Quantification des précipitations à partir du radiomètre SEVIRI et validation en utilisant les observations de radar météorologique
Loading...
Date
2024-07-10
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
FGEI.UMMTO
Abstract
Dans ce travail nous implémentons l'algorithme AdaBoost pour optimiser les résultats des classifications d'intensités de précipitations réalisées par la stratégie un-contretous utilisant les vecteurs machines de support (OvA-SVM pour One-vs-All-SVM) au nord de l’Algérie. Le modèle développé qui combine l'algorithme AdaBoost avec un SVM multiclasses, est appliqué aux images du satellite MSG (Meteosat Second Generation), et qui est apprenti et validé par une comparaison avec les données Radar correspondantes. D’autres variantes pour construire des SVM multiclasses, tels que l'OvO-SVM (One versus One SVM), SBT-SVM (Slant Binary Tree SVM) et DDAG-SVM (Decision Directed Acyclic Graph) sont également implémentés sur lesquelles nous avons testé l'algorithme AdaBoost. L'étude a montré que l'algorithme AdaBoost a mieux fonctionné et a donné de meilleurs résultats dans le cas de la variante OvA-SVM par rapport aux autres variantes.
Afin d'évaluer le modèle élaboré, certaines techniques de classification, telles que l'ECST Enhanced Convective Stratiform Technique (ECST), le SART où sont combinés la machine à vecteurs de support avec le réseau de neurones artificiels et les classificateurs de forêt aléatoire,la technique de délimitation des zones de pluie convective/stratiforme (CSRADT) et la technique de forêt aléatoire (RFT) sont appliquées.
Les résultats de classification obtenus montrent que la méthode ensembliste AdaOvA-SVM présente des performances très intéressantes et satisfaisantes avec des
améliorations des précisions de classification et estimation des précipitations par rapport aux autres méthodes comparées utilisées précédemment.
Description
123 p. : ill. ; 30 cm. (CD-Rom)
Keywords
AdaBoost, SVM, MSG Satellite, Classification, Machine Learning, Precipitations
Citation
Electronique