PrécipitationsLes précipitations désignent toutes les formes de l'eau à l'état liquide ou solide provenant de l'atmosphère. Ces hydrométéores (cristaux de glace ou gouttelettes d'eau), ayant été soumis à des processus de condensation et d'agrégation à l'intérieur des nuages, sont devenus trop lourds pour demeurer en suspension dans l'atmosphère et tombent au sol ou s'évaporent en virga avant de l'atteindre. Les précipitations se caractérisent par trois principaux paramètres : leur volume, leur intensité et leur fréquence qui varient selon les lieux et les périodes (jours, mois ou années).
Radar météorologiqueUn radar météorologique est un type de radar utilisé en météorologie pour repérer les précipitations, calculer leur déplacement et déterminer leur type (pluie, neige, grêle, etc.). La structure tridimensionnelle des données obtenues permet également d'inférer les mouvements des précipitations dans les nuages et ainsi de repérer ceux qui pourraient causer des dommages. Enfin, en se servant des précipitations comme traceurs, on peut en déduire la direction radiale et la vitesse des vents dans la basse atmosphère.
Precipitation typesIn meteorology, the different types of precipitation often include the character, formation, or phase of the precipitation which is falling to ground level. There are three distinct ways that precipitation can occur. Convective precipitation is generally more intense, and of shorter duration, than stratiform precipitation. Orographic precipitation occurs when moist air is forced upwards over rising terrain and condenses on the slope, such as a mountain.
PluieLa pluie est un phénomène naturel par lequel des gouttes d'eau tombent des nuages vers le sol. Il s'agit d'une des formes les plus communes de précipitations sur Terre. Son rôle est prépondérant dans le cycle de l'eau. Elle prend nombre de formes allant de la pluie légère au déluge, de l'averse à la pluie continue, de fines gouttelettes à de très grosses. Elle est parfois mêlée de neige, de grêlons ou verglaçante. Elle s'évapore parfois avant de toucher terre pour donner la virga.
Pluviomètrethumb|Deux parties d'un pluviomètre à lecture directe. À la gauche se trouve une éprouvette graduée surmontée d'un entonnoir, lesquels sont introduits dans le cylindre à la droite. À la droite du cylindre se trouve un tuyau métallique qui sert à évacuer le surplus de précipitations accumulées (ce tuyau est souvent raccordé à une conduite qui plonge dans la terre). Le pluviomètre est un instrument météorologique destiné à mesurer la quantité de précipitations (surtout la pluie) tombée pendant un intervalle de temps donné en un endroit.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Outline of meteorologyIndex of meteorology articles The following outline is provided as an overview of and topical guide to the field of Meteorology. Meteorology The interdisciplinary, scientific study of the Earth's atmosphere with the primary focus being to understand, explain, and forecast weather events. Meteorology, is applied to and employed by a wide variety of diverse fields, including the military, energy production, transport, agriculture, and construction. Meteorology Climate – the average and variations of weather in a region over long periods of time.
Bande de précipitationsthumb|Bande de pluie vue sur la sortie d'un radar météorologique Une bande de précipitations est une structure complète de nuages et des précipitations associées suffisamment allongée pour permettre de lui donner une orientation. On peut retrouver ce type de structure dans des précipitations stratiformes mais le plus souvent elle est associée à des précipitations convectives, autant de pluie que de neige. Vue sur un affichage d'un radar météorologique, elle montre une zone de réflectivités plus fortes de forme allongée, qui peut ou non être imbriquée dans des précipitations plus faibles.
Validation croiséeLa validation croisée () est, en apprentissage automatique, une méthode d’estimation de fiabilité d’un modèle fondée sur une technique d’échantillonnage. Supposons posséder un modèle statistique avec un ou plusieurs paramètres inconnus, et un ensemble de données d'apprentissage sur lequel on peut apprendre (ou « entraîner ») le modèle. Le processus d'apprentissage optimise les paramètres du modèle afin que celui-ci corresponde le mieux possible aux données d'apprentissage.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Robust regressionIn robust statistics, robust regression seeks to overcome some limitations of traditional regression analysis. A regression analysis models the relationship between one or more independent variables and a dependent variable. Standard types of regression, such as ordinary least squares, have favourable properties if their underlying assumptions are true, but can give misleading results otherwise (i.e. are not robust to assumption violations).
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
RadarLe radar (acronyme issu de l'anglais dio etection nd anging) est un système qui utilise les ondes électromagnétiques pour détecter la présence et déterminer la position ainsi que la vitesse d'objets tels que les avions, les bateaux, ou la pluie. Les ondes envoyées par l'émetteur sont réfléchies par la cible, et les signaux de retour (appelés écho radar ou écho-radar) sont captés et analysés par le récepteur, souvent situé au même endroit que l'émetteur.
Cycle de l'eauLe cycle de l'eau, ou cycle hydrologique correspond à l'ensemble des transferts d'eau (liquide, solide ou gazeuse) entre les réservoirs d'eau sur Terre (les océans, l'atmosphère, les lacs, les cours d'eau, les nappes d'eau souterraine et les glaciers). Le « moteur » de ce cycle est l'énergie solaire qui, en favorisant l'évaporation de l'eau, entraîne tous les autres échanges. La science qui étudie le cycle de l’eau est l’hydrologie.
Jeux d'entrainement, de validation et de testEn apprentissage automatique, une tâche courante est l'étude et la construction d'algorithmes qui peuvent apprendre et faire des prédictions sur les données. De tels algorithmes fonctionnent en faisant des prédictions ou des décisions basées sur les données, en construisant un modèle mathématique à partir des données d'entrée. Ces données d'entrée utilisées pour construire le modèle sont généralement divisées en plusieurs jeux de données .
Régression non linéaireUne régression non linéaire consiste à ajuster un modèle, en général non linéaire, y = ƒa1, ..., am(x) pour un ensemble de valeurs (xi, yi)1 ≤ i ≤ n. Les variables xi et yi peuvent être des scalaires ou des vecteurs. Par « ajuster », il faut comprendre : déterminer les paramètres de la loi, (a1, ..., am), afin de minimiser S = ||ri||, avec : ri = yi - ƒa1, ..., am(xi). ||...|| est une norme. On utilise en général la norme euclidienne, ou norme l2 ; on parle alors de méthode des moindres carrés.
Linear least squaresLinear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variants for ordinary (unweighted), weighted, and generalized (correlated) residuals. Numerical methods for linear least squares include inverting the matrix of the normal equations and orthogonal decomposition methods. The three main linear least squares formulations are: Ordinary least squares (OLS) is the most common estimator.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
