The thesis has for objective to study new statistical methods to correct temperature predictionsthat may be implemented on the ensemble prediction system (EPS) of Meteo France so toimprove its use for the electric system management, at EDF France. The EPS of Meteo Francewe are working on contains 51 members (forecasts by time-step) and gives the temperaturepredictions for 14 days. The thesis contains three parts: in the first one we present the EPSand we implement two statistical methods improving the accuracy or the spread of the EPS andwe introduce criteria for comparing results. In the second part we introduce the extreme valuetheory and the mixture models we use to combine the model we build in the first part withmodels for fitting the distributions tails. In the third part we introduce the quantile regressionas another way of studying the tails of the distribution.

Les régions méditerranéennes sont particulièrement soumises au risque de crues rapides. Ces crues sont provoquées par des pluies intenses pouvant être stationnaires et qui affectent des bassins versants à la topographie marquée et aux temps de réponses courts. Ces crues peuvent être très violentes, dévastatrices voire meurtrières. Il est donc important de disposer de systèmes de prévision adaptés pour l'anticipation des pluies et des débits des cours d'eau méditerranéens. Le système couplé ISBA-TOP a été particulièrement conçu pour simuler la réponse hydrologique de bassins versants à dynamique rapide. Il s'agit d'un couplage entre le modèle de surface ISBA et une version du modèle hydrologique TOPMODEL adaptée aux crues rapides. Une première étape du travail de thèse a été d'évaluer l'apport d'une meilleure représentation des processus hydrologiques dans le sol pour la simulation des débits avec ISBA-TOP. Une version d'ISBA-TOP basée sur la version diffusive d'ISBA (ISBA-DF qui découpe verticalement les colonnes de sol en de multiples couches) a donc été comparée à la version originale d'ISBA-TOP qui utilisait l'approche ISBA-3L où 3 couches de sol sont représentées. Sur un échantillon d'une vingtaine de cas d'étude, on montre une légère amélioration des simulations de débits avec la nouvelle version d'ISBA-TOP. Cette nouvelle version permet de s'affranchir du calage de deux paramètres gérant la répartition verticale de l'eau dans les colonnes de sol qu'il était nécessaire de réaliser pour chacun des bassins étudiés. La simulation de petits bassins versants non jaugés, pour lesquels on ne dispose pas d'observations pour réaliser le calage des paramètres, peut donc être envisagée. Il n'en reste pas moins que la modélisation hydrologique avec ISBA-TOP (comme avec tout autre modèle) reste entachée d'incertitude. La seconde partie de cette thèse vise à identifier ces incertitudes et à les quantifier. Dans le cas des crues rapides, les données de précipitation utilisées en entrée du modèle hydrologique constituent la source majeure d'incertitude mais elle n'est pas la seule. La connaissance des conditions initiales d'humidité des sols est également incertaine et le modèle hydrologique, lui-même, est entaché d'incertitude de par la `` paramétrisation '' des processus physiques et de par sa structure. Afin d'explorer ces deux sources d'incertitude et de les hiérarchiser, une étude de sensibilité du modèle ISBA-TOP à ses paramètres et à ses conditions initiales d'humidité des sols a été menée. Cette étude de sensibilité a d'abord été conduite pour un cas idéalisé, d'interprétation plus facile, avant de confirmer et d'approfondir les résultats sur des cas réels. Les simulations de débit avec ISBA-TOP se sont avérées particulièrement sensibles à trois des paramètres hydrodynamiques : le contenu en eau à saturation, la conductivité hydraulique à saturation et le taux de décroissance de la transmissivité avec la profondeur. Cette sensibilité, toutefois, est très dépendante des conditions initiales d'humidité des sols. Sur la base des résultats de l'étude de sensibilité, une méthode de perturbation des paramètres du modèle hydrologique a été conçue afin de tenir compte des erreurs de modélisation. Elle est complétée par une méthode de perturbations des conditions initiales en humidité des sols afin de constituer un système de simulation hydrologique d'ensemble. Evalué sur six cas réels, il a été montré que cet ensemble a un apport pour la simulation des débits par rapport à la version déterministe du modèle. / Intense precipitation events in the Mediterranean often lead to devastating flash floods. The affected watersheds are characterized by steep slopes and a short response time. Flash floods can be violent and destructive. Dedicated meteorological and hydrological systems are thus necessary to anticipate those flash floods. The ISBA -TOP coupled system was developed to simulate the hydrological reaction of fast responding rivers. It is a coupling between the ISBA surface scheme and a version of the TOPMODEL hydrological model dedicated to mediterranean flash floods simulation. A first part of the thesis aims at assessing the benefit of a better representation of hydrological processes within the soil for discharge simulation with ISBA-TOP. Moreover, it would allow the use of ISBA-TOP for any watershed even ungauged. A version of ISBA-TOP based on ISBA-DF (the diffusive version of ISBA that discretizes soil columns in multiple layers) has been compared to the original ISBA-TOP that relies on ISBA-3L (with only 3 soil layers). On 18 study cases, better discharge simulations are obtained basically using the new ISBA-TOP version. So this improved representation of hydrological processes in the soil allows to improve discharge simulations and to be confident into the results obtained for small ungauged catchments. The second part of this PhD work concerns the uncertainty that affects ISBA-TOP simulations. For flash floods, rainfall data used to drive an hydrological model are the major source of uncertainty. But initial soil moisture knowledge is also uncertain and the hydrological model himself is affected by uncertainty. The sensitivity of ISBA-TOP model to its parameters and initial soil moisture is investigated to document those two sources of uncertainty. First an academic case is used to verify some preliminary hypotheses and then real cases are studied to properly consider the different data heterogeneities. Discharge simulations with ISBA-TOP are sensitive to three hydro dynamical parameters : the saturated soil water content, the saturated hydraulic conductivity and the rate of decrease of the transmissivity with depth. This sensitivity is found very dependant on initial soil moisture conditions. Perturbation methods varying the 3 parameters that have the highest impact on discharge simulations as well as initial soil moisture allow to design an ensemble prediction system. This ensemble has been assessed for 6 real cases. Using this ensemble-based approach for discharge simulation lead to better results than using the deterministic version. The skill of the ensemble with 30 to 50 members is close to the skill of this ensemble with 100 members whereas it outerperfoms an ensemble with 10 members. The last part of the thesis is the conception of a complete hydrometeorological ensemble prediction system (HEPS). The hydrological ensemble defined in the second part of the thesis is used to take the uncertainty that affects the hydrological modelling and initials soil moisture into account. The uncertainty that affects precipitation fields is sampled using the AROME ensemble prediction system (AROME-EPS). The skill of this complete chain is better than an HEPS based on AROME-EPS and the deterministic version of ISBA-TOP. But both HEPS exhibit a low bias for discharge simulation on the study cases sample. This bias can come from a low bias that is found for the AROME-EPS rainfall forecasts. A simple bias correction applied on rainfall forecasts improves the bias on discharge forecasts.

L’objectif des travaux de la thèse est d’étudier les propriétés statistiques de correction des prévisionsde température et de les appliquer au système des prévisions d’ensemble (SPE) de MétéoFrance. Ce SPE est utilisé dans la gestion du système électrique, à EDF R&D, il contient 51membres (prévisions par pas de temps) et fournit des prévisions à 14 jours. La thèse comportetrois parties. Dans la première partie on présente les SPE, dont le principe est de faire tournerplusieurs scénarios du même modèle avec des données d’entrée légèrement différentes pour simulerl’incertitude. On propose après des méthodes statistiques (la méthode du meilleur membre etla méthode bayésienne) que l’on implémente pour améliorer la précision ou la fiabilité du SPEdont nous disposons et nous mettons en place des critères de comparaison des résultats. Dansla deuxième partie nous présentons la théorie des valeurs extrêmes et les modèles de mélange etnous proposons des modèles de mélange contenant le modèle présenté dans la première partieet des fonctions de distributions des extrêmes. Dans la troisième partie nous introduisons larégression quantile pour mieux estimer les queues de distribution. / The thesis has for objective to study new statistical methods to correct temperature predictionsthat may be implemented on the ensemble prediction system (EPS) of Meteo France so toimprove its use for the electric system management, at EDF France. The EPS of Meteo Francewe are working on contains 51 members (forecasts by time-step) and gives the temperaturepredictions for 14 days. The thesis contains three parts: in the first one we present the EPSand we implement two statistical methods improving the accuracy or the spread of the EPS andwe introduce criteria for comparing results. In the second part we introduce the extreme valuetheory and the mixture models we use to combine the model we build in the first part withmodels for fitting the distributions tails. In the third part we introduce the quantile regressionas another way of studying the tails of the distribution.

The thermally-driven rotating annulus is a laboratory experiment used to study the dynamics of planetary atmospheres under controlled and reproducible conditions. The predictability of this experiment is studied by applying the same principles used to predict the atmosphere. A forecasting system for the annulus is built using the analysis correction method for data assimilation and the breeding method for ensemble generation. The results show that a range of flow regimes with varying complexity can be accurately assimilated, predicted, and studied in this experiment. This framework is also intended to demonstrate a proof-of-concept: that the annulus could be used as a testbed for meteorological techniques under laboratory conditions. First, a regime diagram is created using numerical simulations in order to select points in parameter space to forecast, and a new chaotic flow regime is discovered within it. The two components of the framework are then used as standalone algorithms to measure predictability in the perfect model scenario and to demonstrate data assimilation. With a perfect model, regular flow regimes are found to be predictable until the end of the forecasts, and chaotic regimes are predictable over hundreds of seconds. There is a difference in the way predictability is lost between low-order chaotic regimes and high-order chaos. Analysis correction is shown to be accurate in both regular and chaotic regimes, with residual velocity errors about 3-8 times the observational error. Specific assimilation scenarios studied include information propagation from data-rich to data-poor areas, assimilation of vortex shedding observations, and assimilation over regime and rotation rate transitions. The full framework is used to predict regular and chaotic flow, verifying the forecasts against laboratory data. The steady wave forecasts perform well, and are predictable until the end of the available data. The amplitude and structural vacillation forecasts lose quality and skill by a combination of wave drift and wavenumber transition. Amplitude vacillation is predictable up to several hundred seconds ahead, and structural vacillation is predictable for a few hundred seconds.

L'objectiu principal d'aquesta tesi és millorar l'actual capacitat de predicció de fenòmens meteorològics de pluja intensa potencialment perillosos a la Mediterrània occidental. Es desenvolupen i verifiquen tres sistemes de predicció per conjunts (SPC) que tenen en compte incerteses presents en els models numèrics i en les condicions inicials. Per generar els SPC s'utilitza la connexió entre les estructures de vorticitat potencial (VP) i els ciclons, a més de diferents esquemes de parametrització física. Es mostra que els SPC proporcionen una predicció més hàbil que la determinista. Els SPC generats pertorbant les condicions inicials han obtingut millor puntuació en verificacions estadístiques. Els resultats d'aquesta tesi mostren la utilitat i la idoneïtat dels mètodes de predicció basats en la pertorbació d'estructures de VP de nivells alts, precursors de les situacions ciclòniques. Els resultats i estratègies presentats pretenen ser un punt de partida per a futurs estudis que facin ús d'aquests mètodes. / The main goal of this thesis is to improve the current prediction skill of potentially hazardous heavy precipitation weather events in the western Mediterranean region. We develop and test three different ensemble prediction systems (EPSs) that account for uncertainties present in both the numerical models and the initial conditions. To generate the EPSs we take advantage of the connection between potential vorticity (PV) structures and cyclones, and use different physical parameterization schemes. We obtain an improvement in forecast skill when using an EPS compared to a determinist forecast. The EPSs generated perturbing the initial conditions perform better in the statistical verification scores. The results of this Thesis show the utility and suitability of forecasting methods based on perturbing the upper-level precursor PV structures present in cyclonic situations. The results and strategies here discussed aim to be a basis for future studies making use of these methods.

This thesis aims to optimize the machine learning algorithms for predicting KPI metrics for an organization. The organization is predicting whether projects meet planned deadlines of the last phase of development process using machine learning. The work focuses on the analysis of prediction models and sets the goal of selecting new candidate models for the prediction system. We have implemented a system that automatically selects the best feature variables for learning. Trained models were evaluated by several performance metrics and the best candidates were chosen for the prediction. Candidate models achieved higher accuracy, which means, that the prediction system provides more reliable responses. We suggested other improvements that could increase the accuracy of the forecast.

River streamflow forecasting is traditionally based on real-time measurements of rainfall over catchments and discharge at the outlet and upstream. These data are processed in mathematical models of varying complexity and allow to obtain accurate predictions for short times. In order to extend the forecast horizon to a few days - to be able to issue early warning - it is necessary to take into account the weather forecasts. However, the latter display the property of sensitivity to initial conditions, and for appropriate risk management, forecasts should therefore be considered in probabilistic terms. Currently, ensemble predictions are made using a numerical weather prediction model with perturbed initial conditions and allow to assess uncertainty. <p><p>The research began by analyzing the meteorological predictions at the medium-range (up to 10-15 days) and their use in hydrological forecasting. Precipitation from the ensemble prediction system of the European Centre for Medium-Range Weather Forecasts (ECMWF) were used. A semi-distributed hydrological model was used to transform these precipitation forecasts into ensemble streamflow predictions. The performance of these forecasts was analyzed in probabilistic terms. A simple decision model also allowed to compare the relative economic value of hydrological ensemble predictions and some deterministic alternatives. <p><p>Numerical weather prediction models are imperfect. The ensemble forecasts are therefore affected by errors implying the presence of biases and the unreliability of probabilities derived from the ensembles. By comparing the results of these predictions to the corresponding observed data, a statistical model for the correction of forecasts, known as post-processing, has been adapted and shown to improve the performance of probabilistic forecasts of precipitation. This approach is based on retrospective forecasts made by the ECMWF for the past twenty years, providing a sufficient statistical sample. <p><p>Besides the errors related to meteorological forcing, hydrological forecasts also display errors related to initial conditions and to modeling errors (errors in the structure of the hydrological model and in the parameter values). The last stage of the research was therefore to investigate, using simple models, the impact of these different sources of error on the quality of hydrological predictions and to explore the possibility of using hydrological reforecasts for post-processing, themselves based on retrospective precipitation forecasts. <p>/<p>La prévision des débits des rivières se fait traditionnellement sur la base de mesures en temps réel des précipitations sur les bassins-versant et des débits à l'exutoire et en amont. Ces données sont traitées dans des modèles mathématiques de complexité variée et permettent d'obtenir des prévisions précises pour des temps courts. Pour prolonger l'horizon de prévision à quelques jours – afin d'être en mesure d'émettre des alertes précoces – il est nécessaire de prendre en compte les prévisions météorologiques. Cependant celles-ci présentent par nature une dynamique sensible aux erreurs sur les conditions initiales et, par conséquent, pour une gestion appropriée des risques, il faut considérer les prévisions en termes probabilistes. Actuellement, les prévisions d'ensemble sont effectuées à l'aide d'un modèle numérique de prévision du temps avec des conditions initiales perturbées et permettent d'évaluer l'incertitude.<p><p>La recherche a commencé par l'analyse des prévisions météorologiques à moyen-terme (10-15 jours) et leur utilisation pour des prévisions hydrologiques. Les précipitations issues du système de prévisions d'ensemble du Centre Européen pour les Prévisions Météorologiques à Moyen-Terme ont été utilisées. Un modèle hydrologique semi-distribué a permis de traduire ces prévisions de précipitations en prévisions d'ensemble de débits. Les performances de ces prévisions ont été analysées en termes probabilistes. Un modèle de décision simple a également permis de comparer la valeur économique relative des prévisions hydrologiques d'ensemble et d'alternatives déterministes.<p><p>Les modèles numériques de prévision du temps sont imparfaits. Les prévisions d'ensemble sont donc entachées d'erreurs impliquant la présence de biais et un manque de fiabilité des probabilités déduites des ensembles. En comparant les résultats de ces prévisions aux données observées correspondantes, un modèle statistique pour la correction des prévisions, connue sous le nom de post-processing, a été adapté et a permis d'améliorer les performances des prévisions probabilistes des précipitations. Cette approche se base sur des prévisions rétrospectives effectuées par le Centre Européen sur les vingt dernières années, fournissant un échantillon statistique suffisant.<p><p>A côté des erreurs liées au forçage météorologique, les prévisions hydrologiques sont également entachées d'erreurs liées aux conditions initiales et aux erreurs de modélisation (structure du modèle hydrologique et valeur des paramètres). La dernière étape de la recherche a donc consisté à étudier, à l'aide de modèles simples, l'impact de ces différentes sources d'erreur sur la qualité des prévisions hydrologiques et à explorer la possibilité d'utiliser des prévisions hydrologiques rétrospectives pour le post-processing, elles-même basées sur les prévisions rétrospectives des précipitations. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished