| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - The MODELING OF RADIATIVE TRANSFER FOR CLIMATIC PURPOSES , A NEW APPROACH BASED ON ARTIFICIAL NEURAL NETWORKS
|
| dc:subject
| - Algorithme
- Algorithm
- Cooling
- Thèses et écrits académiques
- Transfert radiatif
- Terre, ocean, espace
- Geophysique externe
- Methode statistique
- Statistical method
- Geographic distribution
- Repartition geographique
- Neural network
- Radiative transfer
- Reseau neuronal
- Refroidissement
- Radiative properties
- Propriete radiative
- Atmosphere terrestre
- Earth atmosphere
|
| preferred label
| - LA MODELISATION DU TRANSFERT RADIATIF A DES FINS CLIMATIQUES, UNE NOUVELLE APPROCHE FONDEE SUR LES RESEAUX DE NEURONES ARTIFICIELS
|
| Language
| |
| Subject
| |
| dc:title
| - LA MODELISATION DU TRANSFERT RADIATIF A DES FINS CLIMATIQUES, UNE NOUVELLE APPROCHE FONDEE SUR LES RESEAUX DE NEURONES ARTIFICIELS
|
| Degree granting institution
| |
| note
| - NOUS AVONS DEVELOPPE UN CODE DE TRANSFERT RADIATIF POUR LES GRANDES LONGUEURS D'ONDE : NEUROFLUX. IL PERMET UN CALCUL RAPIDE ET PRECIS DES FLUX ET TAUX DE REFROIDISSEMENT RADIATIFS ATMOSPHERIQUES. NEUROFLUX EST FONDE SUR UNE METHODE STATISTIQUE : LE PERCEPTRON MULTICOUCHE DEFINI PAR RUMELHART ET AL. (1986). EN EFFET, L'ALGORITHME COMPREND PLUSIEURS DIZAINES DE RESEAUX DE NEURONES FORMELS. LEURS PARAMETRES ONT ETE INFERES SUR AUTANT DE BASES D'APPRENTISSAGE. TOUTES CES BASES REPOSENT SUR LA BANQUE DE DONNEES TIGR DU LMD, DONT NOUS AVONS DEVELOPPE UNE NOUVELLE VERSION. CELLE-CI A ETE CONSTITUEE PAR ECHANTILLONNAGE D'UNE BASE INITIALE COMPRENANT PLUSIEURS CENTAINES DE MILLIERS DE SONDAGES ATMOSPHERIQUES. PAR RAPPORT AUX PRECEDENTES VERSIONS DE LA BANQUE TIGR, LA METHODE D'ECHANTILLONNAGE QUE NOUS AVONS DEVELOPPEE PERMET DE CONSERVER UNE BONNE REPRESENTATIVITE DES PROFILS DE TEMPERATURE, TOUT EN AMELIORANT CELLE DES PROFILS DE VAPEUR D'EAU DE MANIERE SIGNIFICATIVE. DEUX CODES DE TRANSFERT RADIATIF CLASSIQUES, LE MODELE A BANDES LARGES DU CEPMMT (1991, 1995) ET LE MODELE RAIE-PAR-RAIE 4A DU LMD (1981, 1995), ONT ETE UTILISES A LA FOIS POUR CALCULER LES FLUX RADIATIFS ASSOCIES AUX BASES D'APPRENTISSAGE, ET POUR VALIDER NEUROFLUX. DES COMPARAISONS A L'ECHELLE MONDIALE ONT MONTRE QUE LA PRECISION DE NEUROFLUX EST COMPARABLE A CELLE DES CODES DE TRANSFERT RADIATIF UTILISES ACTUELLEMENT DANS LES MODELES DE CIRCULATION GENERALE DE L'ATMOSPHERE. SURTOUT, NEUROFLUX OFFRE UN GAIN EN TEMPS DE CALCUL SUBSTANTIEL : AU MOINS UN ORDRE DE GRANDEUR. ENFIN, NOUS AVONS INSERE NEUROFLUX DANS LE MODELE DE CLIMAT DU LMD. SUR UNE SIMULATION DE SIX MOIS, LA ROBUSTESSE DE LA METHODE A ETE CONFIRMEE. CETTE ETUDE A ENTRAINE LA REALISATION DE DIFFERENTS TRAVAUX CONNEXES : AINSI, UNE ANALYSE DE LA DISTRIBUTION GEOGRAPHIQUE DU REFROIDISSEMENT RADIATIF DANS L'ATMOSPHERE.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
