The treatment of human immunodeficiency virus (HIV-1) infection faces the challenge of drug resistance. The high mutation rate of HIV-1 allows it to develop resistance against all available drugs. New mechanisms of intervention that do not succumb to failure through resistance are thus being explored. Mutagens that increase the viral mutation rate are a promising class of drugs. They can drive HIV-1 past a critical mutation rate, called the error threshold, and induce a catastrophic loss of genetic information. The treatment duration for a mutagen to drive HIV-1 beyond this error threshold is not yet estimated. We devise a detailed stochastic simulation of HIV-1 infection to estimate this duration. The simulations predict that the required duration is inversely proportional to the difference between the mutation rate induced by a mutagen and the error threshold. This scaling is robust to changes in simulation parameters. Using this scaling, we estimate the required duration of treatment with mutagens to be many years. Unfortunately, all available drugs, including mutagens, fail to clear the infection because HIV-1 establishes a reservoir of latently infected cells harbouring silent HIV-1 integrated genomes. A new \shock and kill" strategy that aims to activate latent cells and render them susceptible to immune killing or viral cytopathicity and thus to eradicate the HIV-1 latent reservoir has been suggested. Several latency reversal agents (LRAs) have been developed. Individual LRAs fail to show any decline in the HIV-1 latent reservoir in clinical trials. Combinations of LRAs have been tested in a few in-vitro and ex-vivo experiments. It has been found that in combination LRAs act synergistically. Finding the drug concentrations that yield the maximum synergy may be helpful in achieving a sterilizing cure. Here, we develop an intracellular model to estimate these drug concentrations. We choose drugs from two different classes of LRAs and show that our model captures quantitatively recent in-vitro experiments of their activity individually and in combination. With this model, we estimate the concentrations of the drugs required to obtain the maximum synergy. Strong CD8+ T cell responses against viruses have been associated with low levels of viremia. Elite controllers of HIV-1, who are known to have low or undetectable viremia, mount a cross-reactive CD8+ T cell response against the pathogen which controls viral mutation-driven escape from immune activity. These cross-reactive responses are against specific epitopes of HIV-1. Our goal was to examine whether such epitopes could be identified systematically so that a cross-reactive immune response could be induced by using these epitopes as immunogens. Immune recognition of an epitope involves two parts: presentation of the epitope, or peptide, by the major histocompatibility complex (MHC) molecules in the host and high a finity binding of the peptide-MHC complex with a T cell receptor (TCR). Immune escape could occur at either of these steps. Here, we examined the first step. We devise the following procedure to identify peptides that sustain HLA binding despite mutations. First, from the full length HIV-1 (HCV) proteome, we identify viral peptides that bind tightly with MHC molecules using the software NetMHCpan2.8. Next, we pick the peptides and their complementary MHC molecules that yield tight binding and mutate the peptides bit by bit to examine whether binding was compromised. We identify several viral peptide-MHC pairs that display tight binding despite all possible single mutations of the peptides both with HIV-1 and HCV. These peptides present candidates which can be tested for their TCR binding and cross-reactive immunogenic potential.

Submitted by Nelson Danilo Sykora (sykora1@gmail.com) on 2013-07-08T21:29:23Z No. of bitstreams: 1 Tese _ Nelson D Sykora.pdf: 1461672 bytes, checksum: 6346c144802522b574a243adb52ade3c (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2013-08-13T19:44:44Z (GMT) No. of bitstreams: 1 Tese _ Nelson D Sykora.pdf: 1461672 bytes, checksum: 6346c144802522b574a243adb52ade3c (MD5) / Made available in DSpace on 2013-08-13T19:45:09Z (GMT). No. of bitstreams: 1 Tese _ Nelson D Sykora.pdf: 1461672 bytes, checksum: 6346c144802522b574a243adb52ade3c (MD5) Previous issue date: 2013-01-28 / The relationship between spot and future market and commodity price Backwardation have had an emphasis on the literature of economics and finance. The aim of this paper is to present the main causes responsible for the behavior of Backwardation and to identify the properties that characterize the equilibrium in agricultural commodit y prices. Be the existence of risk premium or the convenience yield, the unders tanding of the effects on the replication of future price and on the term structure of commodity prices remains an open issue. On the other hand, t he p remise of perfect p ortfolio replication and the absence of market frictions imply that the understanding of c ommodity price Backwardation comes from the understanding of the stochastic process of the underlying asset itself . The risk - neutral pricing allied with signs of reversion in prices supports pricing models such as Schwartz and Smith (2000), whose calibration and results will be presented for soybeans. / A relação entre preços do mercado spot e do mercado futuro e a evidência de Mercado Invertido (backwardation) na estrutura a termo de commodities têm tido ênfase na literatura de economia e de finanças. O objetivo deste trabalho é apresentar as principais causas responsáveis pelo comportamento de Mercado Invertido e identificar as propriedades que caracterizam o equilíbrio de preços em commodities agrícolas. Seja pela existência de prêmio de risco ou do benefício de conveniência, o entendimento dos efeitos sobre a replicação do preço futuro e sobre a estrutura a termo de preços ainda permanece em aberto. A premissa de perfeita replicação de portfólios e a ausência de fricções de mercado implicam, por outro lado, que o entendimento do comportamento de Mercado Invertido advém da compreensão do processo estocástico do próprio ativo subjacente. O apreçamento neutro ao risco, amparado pelos sinais de reversão de preços, permite a modelagem de preços conforme o proposto em Schwartz e Smith (2000), cuja calibração e os resultados serão apresentados para a soja.

Le comportement humain est modélisé de manière sommaire dans les logiciels de simulation énergétique des bâtiments. Or son impact est considérable et il est à l'origine d'écarts importants entre résultats de simulation et mesures in situ. Les occupants influencent les consommations d'énergie des bâtiments par leur présence et leurs activités, les ouvertures/fermetures de fenêtres, la gestion des dispositifs d'occultation, l'utilisation de l'éclairage artificiel et des appareils électriques, la gestion des consignes de chauffage et les puisages d'eau chaude sanitaire. La thèse propose une modélisation de l'occupation incluant l'ensemble de ces aspects suivant une approche stochastique statistique, pour les bâtiments résidentiels et de bureaux. La construction des modèles fait appel à un grand nombre de données issues de campagnes de mesures, d'enquêtes sociologiques et de la littérature scientifique. Le modèle d'occupation proposé est couplé à l'outil de simulation thermique dynamique Pléiades+COMFIE. En propageant les incertitudes des facteurs du modèle d'occupation et du modèle thermique (enveloppe, climat, systèmes), un intervalle de confiance des résultats de simulation peut être estimé, ouvrant ainsi la voie à un processus de garantie de performance énergétique. / Human behaviour is modelled in a simplistic manner in building energy simulation programs. However, it has a considerable impact and is identified as a major explanatory factor of the discrepancy between simulation results and in situ measurements. Occupants influence buildings energy consumption through their presence and activities, the opening/closing of windows, the actions on blinds, the use of artificial lighting and electrical appliances, the choices of temperature setpoints, and the water consumptions. The thesis proposes a model of occupants' behaviour including all these aspects, according to a stochastic approach, for residential and office buildings. Models' development is based on numerous data from measurements campaigns, sociological surveys and from the scientific literature. The proposed model for occupants' behaviour is coupled to the simulation tool Pléiades+COMFIE. By propagating the uncertainties of factors from the occupants' behaviour model and the thermal model (envelope, climate, systems), the simulation results confidence interval can be estimated, opening the way to an energy performance guarantee process.

Self-organizing patterns arise in a variety of ways in nature, the complex patterning observed on animal coats is such an example. It is already known that the mechanisms responsible for pattern formation starts at the developmental stage of an embryo. However, the actual process determining cell fate has been, and still is, unknown. The mathematical interest for pattern formation emerged from the theories formulated by the mathematician and computer scientist Alan Turing in 1952. He attempted to explain the mechanisms behind morphogenesis and how the process of spatial cell differentiation from homogeneous cells lead to organisms with different complexities and shapes. Turing formulated a mathematical theory and proposed a reaction-diffusion system where morphogens, a postulated chemically active substance, moderated the whole mechanism. He concluded that this process was stable as long as diffusion was neglected; otherwise this would lead to a diffusion-driven instability, which is the fundamental part of pattern formation. The mathematical theory describing this process consists of solving partial differential equations and Turing considered deterministic reaction-diffusion systems.   This thesis will start with introducing the reader to the problem and then gradually build up the mathematical theory needed to get an understanding of the stochastic reaction-diffusion systems that is the focus of the thesis. This study will to a large extent simulate stochastic systems using numerical computations and in order to be computationally feasible a compartment-based model will be used. Noise is an inherent part of such systems, so the study will also discuss the effects of noise and morphogen kinetics on different geometries with boundaries of different complexities from one-dimensional cases up to three-dimensions.

Le travail présenté dans ce manuscrit traite des mécanismes d'émergence des maladies infectieuses. Une première partie du texte est consacrée à la réflexion menée sur ces processus, et à leurs conséquences pour la gestion des maladies. Dans une deuxième partie nous exposons les travaux de modélisation réalisés ; l’objectif est de tester si des changements dans l'expression d'une infection peuvent être expliqués par la dynamique de circulation de l'agent infectieux dans la population hôte, à travers la protection de groupe. Nous montrons que l'apparition de la maladie de Carré chez les lions du Serengeti peut être due à une perte d’immunité de groupe suite à l’extinction du virus. Nous étudions ensuite les conséquences sur le patron épidémique d'une protection partiellement croisée entre souches. Enfin, nous intégrons à cette problématique la structure spatiale de la population hôte, pour expliquer des observations faites sur les systèmes lagomorphes/lagovirus en France. / The study presented here aims to suggest and to test several mechanisms to explain how infectious diseases impact could increase, in relation to microparasite circulation and loss of herd protection. We first introduce the main characteristics of host/microparasite interaction and display some knowledge about emerging infectious diseases, and their consequences for diseases control. Stochastic modelling is then used to study epidemic patterns under several hypotheses and for different host/parasite systems: i) we explain canine distemper emergence in Serengeti lions through a break in virus circulation and the resulting loss of herd immunity; ii) we study the consequences of partial crossprotection induced in hosts by different strains in a small homogeneous host population; and iii) we extend this study to spatially structured host populations to explain data observed in lagomorphs/lagoviruses in France.

Le but de cette thèse est de développer des outils statistiques permettant d'initialiser et de calibrer les modèles de microsimulation dynamique stochastique, en partant de l'exemple du modèle SimVillages (développé dans le cadre du projet Européen PRIMA). Ce modèle couple des dynamiques démographiques et économiques appliquées à une population de municipalités rurales. Chaque individu de la population, représenté explicitement dans un ménage au sein d'une commune, travaille éventuellement dans une autre, et possède sa propre trajectoire de vie. Ainsi, le modèle inclut-il des dynamiques de choix de vie, d'étude, de carrière, d'union, de naissance, de divorce, de migration et de décès. Nous avons développé, implémenté et testé les modèles et méthodes suivants: * un modèle permettant de générer une population synthétique à partir de données agrégées, où chaque individu est membre d'un ménage, vit dans une commune et possède un statut au regard de l'emploi. Cette population synthétique est l'état initial du modèle. * un modèle permettant de simuler une table d'origine-destination des déplacements domicile-travail à partir de données agrégées. * un modèle permettant d'estimer le nombre d'emplois dans les services de proximité dans une commune donnée en fonction de son nombre d'habitants et de son voisinage en termes de service. * une méthode de calibration des paramètres inconnus du modèle SimVillages de manière à satisfaire un ensemble de critères d'erreurs définis sur des sources de données hétérogènes. Cette méthode est fondée sur un nouvel algorithme d'échantillonnage séquentiel de type Approximate Bayesian Computation.

Although vector quantization (VQ) is an established topic in communication, its practical utility has been limited due to (i) prohibitive complexity for higher quality and bit-rate, (ii) structured VQ methods which are not analyzed for optimum performance, (iii) difficulty of mapping theoretical performance of mean square error (MSE) to perceptual measures. However, an ever increasing demand for various source signal compression, points to VQ as the inevitable choice for high efficiency. This thesis addresses all the three above issues, utilizing the power of parametric stochastic modeling of the signal source, viz., Gaussian mixture model (GMM) and proposes new solutions. Addressing some of the new requirements of source coding in network applications, the thesis also presents solutions for scalable bit-rate, rate-independent complexity and decoder scalability. While structured VQ is a necessity to reduce the complexity, we have developed, analyzed and compared three different schemes of compensation for the loss due to structured VQ. Focusing on the widely used methods of split VQ (SVQ) and KLT based transform domain scalar quantization (TrSQ), we develop expressions for their optimum performance using high rate quantization theory. We propose the use of conditional PDF based SVQ (CSVQ) to compensate for the split loss in SVQ and analytically show that it achieves coding gain over SVQ. Using the analytical expressions of complexity, an algorithm to choose the optimum splits is proposed. We analyze these techniques for their complexity as well as perceptual distortion measure, considering the specific case of quantizing the wide band speech line spectrum frequency (LSF) parameters. Using natural speech data, it is shown that the new conditional PDF based methods provide better perceptual distortion performance than the traditional methods. Exploring the use of GMMs for the source, we take the approach of separately estimating the GMM parameters and then use the high rate quantization theory in a simplified manner to derive closed form expressions for optimum MSE performance. This has led to the development of non-linear prediction for compensating the split loss (in contrast to the linear prediction using a Gaussian model). We show that the GMM approach can improve the recently proposed adaptive VQ scheme of switched SVQ (SSVQ). We derive the optimum performance expressions for SSVQ, in both variable bit rate and fixed bit rate formats, using the simplified approach of GMM in high rate theory. As a third scheme for recovering the split loss in SVQ and reduce the complexity, we propose a two stage SVQ (TsSVQ), which is analyzed for minimum complexity as well as perceptual distortion. Utilizing the low complexity of transform domain SVQ (TrSVQ) as well as the two stage approach in a universal coding framework, it is shown that we can achieve low complexity as well as better performance than SSVQ. Further, the combination of GMM and universal coding led to the development of a highly scalable coder which can provide both bit-rate scalability, decoder scalability and rate-independent low complexity. Also, the perceptual distortion performance is comparable to that of SSVQ. Since GMM is a generic source model, we develop a new method of predicting the performance bound for perceptual distortion using VQ. Applying this method to LSF quantization, the minimum bit rates for quantizing telephone band LSF (TB-LSF) and wideband LSF (WB-LSF) are derived.

The past 30 years have witnessed major developments in vibration based damage detection and identification, also collectively referred to as damage diagnosis. Moreover, the past 10 years have seen a rapid increase in the amount of research related to Structural Health Monitoring (SHM) as quantified by the significant escalation in papers published on this subject. Thus, the increased interest in this engineering field and its associated potential constitute the main motive for this thesis. The goal of the thesis is the development and introduction of novel advanced functional and sequential statistical time series methods for vibration based damage diagnosis and SHM. After the introduction of the first chapter, Chapter II provides an experimental assessment and comparison of vibration based statistical time series methods for Structural Health Monitoring (SHM) via their application on a lightweight aluminum truss structure and a laboratory scale aircraft skeleton structure. A concise overview of the main non-parametric and parametric methods is presented, including response-only and excitation-response schemes. Damage detection and identification are based on univariate (scalar) versions of the methods, while both scalar (univariate) and vector (multivariate) schemes are considered. The methods' effectiveness for both damage detection and identification is assessed via various test cases corresponding to different damage scenarios, multiple experiments and various sensor locations on the considered structures. The results of the chapter confirm the high potential and effectiveness of vibration based statistical time series methods for SHM. Chapter III investigates the identification of stochastic systems under multiple operating conditions via Vector-dependent Functionally Pooled (VFP) models. In many applications a system operates under a variety of operating conditions (for instance operating temperature, humidity, damage location, damage magnitude and so on) which affect its dynamics, with each condition kept constant for a single commission cycle. Typical examples include mechanical structures operating under different environmental conditions, aircrafts under different flight conditions (altitude, velocity etc.), structures under different structural health states (various damage locations and magnitudes). In this way, damage location and magnitude may be considered as parameters that affect the operating conditions and as a result the structural dynamics. This chapter's work is based on the novel Functional Pooling (FP) framework, which has been recently introduced by the Stochastic Mechanical Systems \& Automation (SMSA) group of the Mechanical Engineering and Aeronautics Department of University of Patras. The main characteristic of Functionally Pooled (FP) models is that their model parameters and innovations sequence depend functionally on the operating parameters, and are projected on appropriate functional subspaces spanned by mutually independent basis functions. Thus, the fourth chapter of the thesis addresses the problem of identifying a globally valid and parsimonious stochastic system model based on input-output data records obtained under a sample of operating conditions characterized by more than one parameters. Hence, models that include a vector characterization of the operating condition are postulated. The problem is tackled within the novel FP framework that postulates proper global discrete-time linear time series models of the ARX and ARMAX types, data pooling techniques, and statistical parameter estimation. Corresponding Vector-dependent Functionally Pooled (VFP) ARX and ARMAX models are postulated, and proper estimators of the Least Squares (LS), Maximum Likelihood (ML), and Prediction Error (PE) types are developed. Model structure estimation is achieved via customary criteria (Bayesian Information Criterion) and a novel Genetic Algorithm (GA) based procedure. The strong consistency of the VFP-ARX least squares and maximum likelihood estimators is established, while the effectiveness of the complete estimation and identification method is demonstrated via two Monte Carlo studies. Based on the postulated VFP parametrization a vibration based statistical time series method that is capable of effective damage detection, precise localization, and magnitude estimation within a unified stochastic framework is introduced in Chapter IV. The method constitutes an important generalization of the recently introduced Functional Model Based Method (FMBM) in that it allows, for the first time in the statistical time series methods context, for complete and precise damage localization on continuous structural topologies. More precisely, the proposed method can accurately localize damage anywhere on properly defined continuous topologies on the structure, instead of pre-defined specific locations. Estimator uncertainties are taken into account, and uncertainty ellipsoids are provided for the damage location and magnitude. To achieve its goal, the method is based on the extended class of Vector-dependent Functionally Pooled (VFP) models, which are characterized by parameters that depend on both damage magnitude and location, as well as on proper statistical estimation and decision making schemes. The method is validated and its effectiveness is experimentally assessed via its application to damage detection, precise localization, and magnitude estimation on a prototype GARTEUR-type laboratory scale aircraft skeleton structure. The damage scenarios considered consist of varying size small masses attached to various continuous topologies on the structure. The method is shown to achieve effective damage detection, precise localization, and magnitude estimation based on even a single pair of measured excitation-response signals. Chapter V presents the introduction and experimental assessment of a sequential statistical time series method for vibration based SHM capable of achieving effective, robust and early damage detection, identification and quantification under uncertainties. The method is based on a combination of binary and multihypothesis versions of the statistically optimal Sequential Probability Ratio Test (SPRT), which employs the residual sequences obtained through a stochastic time series model of the healthy structure. In this work the full list of properties and capabilities of the SPRT are for the first time presented and explored in the context of vibration based damage detection, identification and quantification. The method is shown to achieve effective and robust damage detection, identification and quantification based on predetermined statistical hypothesis sampling plans, which are both analytically and experimentally compared and assessed. The method's performance is determined a priori via the use of the analytical expressions of the Operating Characteristic (OC) and Average Sample Number (ASN) functions in combination with baseline data records, while it requires on average a minimum number of samples in order to reach a decision compared to most powerful Fixed Sample Size (FSS) tests. The effectiveness of the proposed method is validated and experimentally assessed via its application on a lightweight aluminum truss structure, while the obtained results for three distinct vibration measurement positions prove the method's ability to operate based even on a single pair of measured excitation-response signals. Finally, Chapter VI contains the concluding remarks and future perspectives of the thesis. / Κατά τη διάρκεια των τελευταίων 30 ετών έχει σημειωθεί σημαντική ανάπτυξη στο πεδίο της ανίχνευσης και αναγνώρισης βλαβών, το οποίο αναφέρεται συνολικά και σαν διάγνωση βλαβών. Επίσης, κατά την τελευταία δεκαετία έχει σημειωθεί σημαντική πρόοδος στον τομέα της παρακολούθησης της υγείας (δομικής ακεραιότητας) κατασκευών. Στόχος αυτής της διατριβής είναι η ανάπτυξη εξελιγμένων συναρτησιακών και επαναληπτικών μεθόδων χρονοσειρών για τη διάγνωση βλαβών και την παρακολούθηση της υγείας κατασκευών υπό ταλάντωση. Αρχικά γίνεται η πειραματική αποτίμηση και κριτική σύγκριση των σημαντικότερων στατιστικών μεθόδων χρονοσειρών επί τη βάσει της εφαρμογής τους σε πρότυπες εργαστηριακές κατασκευές. Εφαρμόζονται μη-παραμετρικές και παραμετρικές μέθοδοι που βασίζονται σε ταλαντωτικά σήματα διέγερσης και απόκρισης των κατασκευών. Στη συνέχεια αναπτύσσονται στοχαστικά συναρτησιακά μοντέλα για την στοχαστική αναγνώριση κατασκευών υπό πολλαπλές συνθήκες λειτουργίας. Τα μοντέλα αυτά χρησιμοποιούνται για την αναπαράσταση κατασκευών σε διάφορες καταστάσεις βλάβης (θέση και μέγεθος βλάβης), ώστε να είναι δυνατή η συνολική μοντελοποίσή τους για όλες τις συνθήκες λειτουργίας. Τα μοντέλα αυτά αποτελούν τη βάση στην οποία αναπτύσσεται μια συναρτησιακή μέθοδος η οποία είναι ικανή να αντιμετωπίσει συνολικά και ενιαία το πρόβλημα της ανίχνευσης, εντοπισμού και εκτίμησης βλαβών σε κατασκευές. Η πειραματική αποτίμηση της μεθόδου γίνεται με πολλαπλά πειράματα σε εργαστηριακό σκελετό αεροσκάφους. Στο τελευταίο κεφάλαιο της διατριβής προτείνεται μια καινοτόμος στατιστική επαναληπτική μέθοδο για την παρακολούθηση της υγείας κατασκευών. Η μέθοδος κρίνεται αποτελεσματική υπό καθεστώς λειτουργικών αβεβαιοτήτων, καθώς χρησιμοποιεί επαναληπτικά και στατιστικά τεστ πολλαπλών υποθέσεων. Η αποτίμηση της μεθόδου γίνεται με πολλαπλά εργαστηριακά πειράματα, ενώ η μέθοδος κρίνεται ικανή να λειτουργήσει με τη χρήση ενός ζεύγους ταλαντωτικών σημάτων διέγερσης-απόκρισης.

This thesis addresses the identification of stochastic systems operating under different conditions, based on data records corresponding to a sample of such operating conditions. This topic is very important, as systems operating under different, though constant conditions at different occasions (time intervals) are often encountered in practice. Typical examples include mechanical, aerospace or civil structures that operate under different environmental conditions (temperature or humidity, for instance) on different occasions (period of day, and so on). Such different operating conditions may affect the system characteristics, and therefore its dynamics. Given a set of data records corresponding to distinct operating conditions, it is most desirable to establish a single global model capable of describing the system throughout the entire range of admissible operating conditions. In the present thesis this problem is treated via a novel stochastic Functional Pooling (FP) identification framework which introduces functional dependencies (in terms of the operating condition) in the postulated model structure. The FP framework offers significant advantages over other methods providing global models by interpolating a set of conventional models (one for each operating condition), as it: (i) treats data records corresponding to different operating conditions simultaneously, and fully takes cross-dependencies into account thus yielding models with optimal statistical accuracy, (ii) uses a highly parsimonious representation which provides precise information about the system dynamics at any specified operating condition without resorting to customary interpolation schemes, (iii) allows for the determination of modeling uncertainty at any specified operating condition via formal interval estimates. To date, all research efforts on the FP framework have concentrated in identifying univariate (single excitation-single response) stochastic models. The present thesis aims at (i) properly formulating and extending the FP framework to the case of multivariate stochastic systems operating under multiple operating conditions, and (ii) introducing an approach based on multivariate FP modeling and statistical hypothesis testing for damage detection under different operating conditions. The case of multivariate modeling is more challenging compared to its univariate counterpart as the couplings between the corresponding signals lead to more complicated model structures, whereas their nontrivial parametrization raises issues on model identifiability. The main focus of this thesis is on models of the Functionally Pooled Vector AutoRegressive with eXogenous excitation (FP-VARX) form, and Vector AutoRegressive Moving Average (FP-VARMA) form. These models may be thought of as generalizations of their conventional VARX/VARMA counterparts with the important distinction being that the model parameters are explicit functions of the operating condition. Initially, the identification of FP-VARX models is addressed. Least Squares (LS) and conditional Maximum Likelihood (ML) type estimators are formulated, and their consistency along with their asymptotic normality is established. Conditions ensuring FP-VARX identifiability are postulated, whereas model structure specification is based upon proper forms of information criteria. The performance characteristics of the identification approach are assessed via Monte Carlo studies, which also demonstrate the effectiveness of the proposed framework and its advantages over conventional identification approaches based on VARX modeling. Subsequently, an experimental study aiming at identifying the temperature effects on the dynamics of a smart composite beam via conventional model and novel global model approaches is presented. The conventional model approaches are based on non-parametric and parametric VARX representations, whereas the global model approaches are based on parametric Constant Coefficient Pooled (CCP) and Functionally Pooled (FP) VARX representations. Although the obtained conventional model and global representations are in rough overall agreement, the latter simultaneously use all available data records and offer improved accuracy and compactness. The CCP-VARX representations provide an ``averaged'' description of the structural dynamics over temperature, whereas their FP-VARX counterparts allow for the explicit, analytical modeling of temperature dependence, and attain improved estimation accuracy. In addition, the identification of FP-VARMA models is addressed. Two-Stage Least Squares (2SLS) and conditional ML type estimators are formulated, and their consistency and asymptotic normality are established. Furthermore, an effective method for 2SLS model estimation featuring a simplified procedure for obtaining residuals in the first stage is introduced. Conditions ensuring FP-VARMA model identifiability are also postulated. Model structure specification is based upon a novel two-step approach using Canonical Correlation Analysis (CCA) and proper forms of information criteria, thus avoiding the use of exhaustive search procedures. The performance characteristics of the identification approach are assessed via a Monte Carlo study, which also demonstrates the effectiveness of the proposed framework over conventional identification approaches based on VARMA modeling. An approach based on the novel FP models and statistical hypothesis testing for damage detection under different operating conditions is also proposed. It includes two versions: the first version is based upon the obtained modal parameters, whereas the second version is based upon the discrete-time model parameters. In an effort to streamline damage detection, procedures for compressing the information carried by the modal or the discrete-time model parameters via Principal Component Analysis (PCA) are also employed. The effectiveness of the proposed damage detection approach is assessed on a smart composite beam with hundreds of experiments corresponding to different temperatures. In its present form, the approach relies upon response (output-only) vibration data, although excitation-response data may be also used. FP-VAR modeling is used identify the temperature dependent structural dynamics, whereas a new scheme for model structure selection is introduced which avoids the use of exhaustive search procedures. The experimental results verify the capability of both versions of the approach to infer reliable damage detection under different temperatures. Furthermore, alternative methods attempting removal of the temperature effects from the damage sensitive features are also employed, allowing for a detailed and concise comparison. Finally, some special topics on global VARX modeling are treated. The focus is on the identification of the Pooled (P) and Constant Coefficient Pooled (CCP) VARX model classes. Although both model classes are of limited scope, they are useful tools for global model identification. In analogy to the FP-VARX/VARMA model case, the LS and conditional ML type estimators are studied for both model classes, whereas conditions ensuring model identifiability are also postulated. The relationships interconnecting the P-VARX and CCP-VARX models to the FP-VARX models in terms of compactness and achievable accuracy are studied, whereas their association to the conventional VARX models is also addressed. The effectiveness and performance characteristics of the novel global modeling approaches are finally assessed via Monte Carlo studies. / Η παρούσα διατριβή πραγματεύεται την αναγνώριση πολυμεταβλητών στοχαστικών συστημάτων που παρουσιάζουν πολλαπλές συνθήκες λειτουργίας, βασιζόμενοι σε δεδομένα που αντιστοιχούν σε ένα δείγμα ενδεικτικών συνθηκών λειτουργίας. Η σπουδαιότητα του προβλήματος είναι μεγάλη, καθώς στην πράξη συναντώνται πολύ συχνά συστήματα όπου οι επιμέρους συνθήκες λειτουργίας παραμένουν σταθερές ανά χρονικά διαστήματα. Τυπικά παραδείγματα περιλαμβάνουν μηχανολογικές, αεροναυτικές και δομικές κατασκευές που λειτουργούν κάτω από διαφορετικές συνθήκες (π.χ. θερμοκρασίας και/ή υγρασίας) σε διαφορετικές συνθήκες (π.χ. περίοδος της ημέρας). Οι διαφορετικές συνθήκες λειτουργίας ενδέχεται να επηρεάσουν ένα σύστημα και ως εκ τούτου τα δυναμικά χαρακτηριστικά του. Λαμβάνοντας υπόψη ένα σύνολο δεδομένων που αντιστοιχούν σε διαφορετικές συνθήκες λειτουργίας, είναι επιθυμητή η εύρεση ενός "γενικευμένου" μοντέλου ικανού να περιγράψει το σύστημα σε όλο το φάσμα των αποδεκτών συνθηκών λειτουργίας. Στην παρούσα διατριβή το πρόβλημα αυτό αντιμετωπίζεται μέσω ενός καινοτόμου πλαισίου αναγνώρισης στοχαστικών μοντέλων Συναρτησιακής Σώρευσης (stochastic Functional Pooling Framework), το οποίο εισάγει συναρτησιακές εξαρτήσεις (αναφορικά με την κατάσταση λειτουργίας) στην δομή του μοντέλου. Το συγκεκριμένο πλαίσιο Συναρτησιακής Σώρευσης προσφέρει σημαντικά πλεονεκτήματα σε σχέση με άλλες μεθόδους εύρεσης γενικευμένων μοντέλων που χρησιμοποιούν μεθόδους παρεμβολής (interpolation) σε ένα σύνολο συμβατικών μοντέλων (ένα για κάθε συνθήκη λειτουργίας), όπως: (i) Η ταυτόχρονη διαχείριση δεδομένων που αντιστοιχούν σε διαφορετικές συνθήκες λειτουργίας, καθώς και η διευθέτηση των αλληλοεξαρτήσεων μεταξύ δεδομένων που ανήκουν σε διαφορετικές συνθήκες λειτουργίας παρέχοντας με τον τρόπο αυτό μοντέλα με βέλτιστη στατιστική ακρίβεια, (ii) η χρήση συμπτυγμένων μοντέλων τα οποία περιγράφουν με ακρίβεια τα δυναμικά χαρακτηριστικά του συστήματος σε κάθε κατάσταση λειτουργίας, αποφεύγοντας έτσι την χρήση συμβατικών μεθόδων παρεμβολής, (iii) ο προσδιορισμός των αβεβαιοτήτων στη μοντελοποίηση κάθε κατάστασης λειτουργίας μέσω εκτίμησης κατάλληλων διαστημάτων εμπιστοσύνης. Μέχρι στιγμής, η έρευνα πάνω στο πλαίσιο Συναρτησιακής Σώρευσης έχει επικεντρωθεί στα βαθμωτά στοχαστικά μοντέλα. Η παρούσα διατριβή σαν στόχο έχει (i) την κατάλληλη διαμόρφωση και επέκταση του πλαισίου Συναρτησιακής Σώρευσης για την περίπτωση πολυμεταβλητών στοχαστικών συστημάτων που λειτουργούν με πολλαπλές συνθήκες λειτουργίας , και (ii) την εισαγωγή μιας καινοτόμου μεθοδολογίας ανίχνευσης βλαβών για συστήματα που παρουσιάζουν πολλαπλές συνθήκες λειτουργίας βασιζόμενη σε πολυμεταβλητά μοντέλα Συναρτησιακής Σώρευσης και στον στατιστικό έλεγχο υποθέσεων. Η περίπτωση των πολυμεταβλητών μοντέλων παρουσιάζει τεχνικές δυσκολίες που δεν συναντώνται στα βαθμωτά μοντέλα, καθώς η δομή των μοντέλων είναι πιο περίπλοκη ενώ η παραμετροποίησή τους είναι μη-τετριμμένη θέτοντας έτσι ζητήματα αναγνωρισιμότητας (model identifiability). Η παρούσα διατριβή εστιάζει σε Συναρτησιακά Σωρευμένα Διανυσματικά μοντέλα ΑυτοΠαλινδρόμησης με εΞωγενή είσοδο (Functionally Pooled Vector AutoRegressive with eXogenous excitation; FP-VARX), και σε Διανυσματικά μοντέλα ΑυτοΠαλινδρόμησης με Κινητό Μέσο Όρο (Functionally Pooled AutoRegressive with Moving Average; FP-VARMA). Τα μοντέλα αυτά μπορεί να θεωρηθούν ως γενικεύσεις των συμβατικών μοντέλων VARX/VARMA με την σημαντική διαφοροποίηση ότι οι παράμετροι του μοντέλου είναι συναρτήσεις της συνθήκης λειτουργίας. Το πρώτο κεφάλαιο της διατριβής επικεντρώνεται στην αναγνώριση μοντέλων FP-VARX. Αναπτύσσονται εκτιμήτριες βασισμένες στις μεθόδους των Ελαχίστων Τετραγώνων (Least Squares; LS) και της Μέγιστης Πιθανοφάνειας (Maximum Likelihood; ML), ενώ στη συνέχεια μελετώνται η συνέπεια (consistency) και η ασυμπτωτική κατανομή (asymptotic distribution)τους. Επιπλέον, καθορίζονται συνθήκες που εξασφαλίζουν την αναγνωρισιμότητα (identifiability) των FP-VARX μοντέλων, ενώ ο προσδιορισμός της δομής τους βασίζεται σε κατάλληλα τροποποιημένα κριτήρια πληροφορίας (information criteria). Η αποτίμηση της μοντελοποίησης με FP-VARX, καθώς επίσης και η αποτελεσματικότητά τους έναντι των συμβατικών μοντέλων VARX εξακριβώνεται μέσω προσομοιώσεων Monte Carlo. Στο δεύτερο κεφάλαιο διερευνάται η αναγνώριση των θερμοκρασιακών επιρροών στα δυναμικά χαρακτηριστικά μιας ευφυούς δοκού από σύνθετο υλικό. Το πρόβλημα μελετάται χρησιμοποιώντας συμβατικά μοντέλα καθώς και "γενικευμένα" μοντέλα. Η συμβατική μοντελοποίηση περιλαμβάνει μη-παραμετρικές παραστάσεις που βασίζονται στην μέθοδο Welch (ανάλυση στο πεδίο συχνοτήτων), καθώς και παραμετρικές παραστάσεις βασισμένες στα μοντέλα VARX (ανάλυση στο πεδίο χρόνου). H "γενικευμένη" μοντελοποίηση περιλαμβάνει παραστάσεις Σώρευσης με Σταθερές Παραμέτρους (Constant Coefficient Pooled VARX; CCP-VARX), καθώς και VARX παραστάσεις Συναρτησιακής Σώρευσης (Functionally Pooled VARX; FP-VARX). Η ανάλυση υποδεικνύει ότι τα χαρακτηριστικά των "γενικευμένων" και των συμβατικών μοντέλων βρίσκονται σε γενική συμφωνία μεταξύ τους. Ωστόσο, τα "γενικευμένα" μοντέλα περιγράφουν τα δυναμικά χαρακτηριστικά του συστήματος με μικρότερο αριθμό παραμέτρων, γεγονός που προσδίδει μεγαλύτερη ακρίβεια στην εκτίμησή τους. Το μοντέλο CCP-VARX τείνει να σταθμίσει τα δυναμικά χαρακτηριστικά του συστήματος σε κάποιον "μέσο όρο" με σχετική ακρίβεια. Απεναντίας το μοντέλο FP-VARX υπερέχει σε ακρίβεια, καθώς επιδεικνύει μια εξομαλυμένη καθοριστική εξάρτηση των δυναμικών χαρακτηριστικών του συστήματος με την θερμοκρασία, γεγονός που είναι συμβατό με την φυσική του προβλήματος. Το τρίτο κεφάλαιο επικεντρώνεται στην αναγνώριση μοντέλων FP-VARMA. Αναπτύσσονται εκτιμήτριες βασισμένες στις μεθόδους των Ελαχίστων Τετραγώνων Δύο Σταδίων (Two Stage Least Squares; 2SLS) και της Μέγιστης Πιθανοφάνειας (Maximum Likelihood; ML), ενώ στην συνέχεια μελετώνται η συνέπεια και η ασυμπτωτική κατανομή τους. Επιπλέον, εισάγεται μια νέα μέθοδος για την εκτίμηση 2SLS που απλοποιεί σημαντικά την διαδικασία εξαγωγής υπολοίπων (residuals) από το πρώτο στάδιο. Επίσης, καθορίζονται οι συνθήκες που εξασφαλίζουν αναγνωρισιμότητα στα μοντέλα FP-VARMA. Ο προσδιορισμός της δομής των μοντέλων FP-VARMA πραγματοποιείται χάρη σε μια μεθοδολογία δύο σταδίων που βασίζεται στην Ανάλυση Κανονικοποιημένων Συσχετίσεων (Canonical Correlation Analysis; CCA) και κριτηρίων πληροφορίας, αποφεύγοντας έτσι την εκτεταμένη χρήση αλγορίθμων αναζήτησης. Η αποτίμηση της μοντελοποίησης με FP-VARMA, καθώς επίσης και η αποτελεσματικότητά τους έναντι των συμβατικών VARMA εξακριβώνεται μέσω προσομοιώσεων Monte Carlo. Το τέταρτο κεφάλαιο πραγματεύεται την ανίχνευση βλαβών σε συστήματα που παρουσιάζουν πολλαπλές συνθήκες λειτουργίας. Προτείνεται μια νέα μεθοδολογία που βασίζεται σε καινοτόμα μοντέλα Συναρτησιακής Σώρευσης και στον στατιστικό έλεγχο υποθέσεων. Παρουσιάζονται δυο εκδόσεις της μεθοδολογίας: η πρώτη βασίζεται στα μορφικά χαρακτηριστικά του μοντέλου ενώ η δεύτερη στις παραμέτρους του μοντέλου. Επιπλέον, χρησιμοποιούνται μέθοδοι συμπίεσης της πληροφορίας που περιέχουν τα μορφικά χαρακτηριστικά ή οι παράμετροι του μοντέλου μέσω της Ανάλυσης Κύριων Συνιστωσών (Principal Component Analysis; PCA) σε μια προσπάθεια απλοποίησης της διαδικασίας ανίχνευσης βλαβών. Η αποτελεσματικότητα της μεθοδολογίας επαληθεύεται πειραματικά σε μια "ευφυή" δοκό από σύνθετο υλικό, η οποία ταλαντώνεται σε διαφορετικές θερμοκρασίες. Στην παρούσα μορφή της η μεθοδολογία χρησιμοποιεί δεδομένα απόκρισης ταλάντωσης, ωστόσο δεδομένα διέγερσης-απόκρισης μπορούν να χρησιμοποιηθούν εφόσον κριθεί σκόπιμο. Η εξάρτηση των δυναμικών χαρακτηριστικών της δοκού με την θερμοκρασία περιγράφεται με τη χρήση μοντέλων FP-VAR, ενώ εισάγεται μια νέα μέθοδος καθορισμού της δομής του μοντέλου που αποφεύγει την χρήση αλγορίθμων αναζήτησης. Πλήθος πειραμάτων που καλύπτουν ένα ευρύ θερμοκρασιακό πεδίο, καθώς και συγκρίσεις με άλλες μεθοδολογίες ανίχνευσης βλαβών, πιστοποιούν την ικανότητα της προτεινόμενης μεθοδολογίας να διαγνώσει την κατάσταση της δοκού σε διάφορες θερμοκρασίες. Το πέμπτο κεφάλαιο ασχολείται με ειδικά θέματα μοντελοποίησης των "γενικευμένων" VARX . Ιδιαίτερη προσοχή δίνεται στην μελέτη Σωρευμένων VARX (P-VARX) και CCP-VARX μοντέλων. Σε αντιστοιχία με τα μοντέλα FP, αναπτύσσονται εκτιμήτριες LS και ML, ενώ στην συνέχεια μελετώνται οι ιδιότητές τους. Επιπλέον, καθορίζονται οι συνθήκες που εξασφαλίζουν την αναγνωρισιμότητα των μοντέλων P-VARX και CCP-VARX. Μελετώνται επίσης και οι σχέσεις που συνδέουν τις δομές των μοντέλων P-VARX και CCP-VARX με τα FP-VARX ως προς την παραμετροποίησή τους και την ακρίβεια που επιτυγχάνουν. Επιπλέον, μελετάται και η σχέση των παραπάνω μοντέλων με τα συμβατικά VARX. Η αποτίμηση των γενικευμένων μοντέλων VARX αναφορικά με το πλήθος των εκτιμώμενων παραμέτρων και την ακρίβεια που επιτυγχάνουν εξακριβώνεται μέσω προσομοιώσεων Monte Carlo.

Les modèles de métapopulations permettent de prédire l'occupation des habitats au sein desquels elles évoluent en fonction de la configuration spatiale du paysage. La destruction et la création d'habitats peuvent induire une dette d'extinction ou un crédit d'immigration, c'est-à-dire des dynamiques d'espèces qui ne sont pas immédiates mais décalées dans le temps par rapport cette rotation des habitats. La présence d'un délai temporel signifie que les espèces ne sont pas à l'équilibre avec les paysages actuels. Cette thèse a pour objectif d'évaluer l'apport de modèles de métapopulations hors équilibre pour comprendre ces dynamiques décalées dans le temps de façon théorique et à partir de données empiriques sur les plantes forestières. A ces fins, nous avons évalué la robustesse d'une méthode d'inférence de paramètres de dynamique de métapopulations hors équilibre, adaptée à l'échelle régionale. Elle a ensuite été appliquée sur des données contemporaines de plantes forestières et de séries temporelles de cartographies des forêts dans les départements de la Seine-et-Marne et de l'Eure-et-Loir. A partir des modèles utilisés, nous avons pu reproduire certaines caractéristiques de la répartition des espèces qui sont dues à l'évolution historique des surfaces forestières. En effet, certaines espèces sont plus fréquentes en forêt anciennes et d'autres en forêt récentes, ce qui s'explique en partie par les traits des espèces et leurs affinités pour des conditions environnementales spécifiques. A partir de projections à long-terme de leurs dynamiques, nous avons montré que les délais de réponse de ces espèces peuvent être de plusieurs siècles et dépendent fortement de la connectivité fonctionnelle des habitats. Des scénarios virtuels de rotation des habitats ont été simulés pour pallier l'analyse des seules zones d'études. Associé à des projections de dynamiques de métapopulations, qui permettent de contrôler les paramètres à étudier, nous avons testé l'importance relative de la distance de dispersion des espèces et de la configuration spatiale de la rotation des habitats sur ces dynamiques. Le temps de retour à l'équilibre des métapopulations ne s'explique pas uniquement par l'amplitude de la dette d'extinction ou du crédit d'immigration mais dépend aussi de ces deux facteurs. Ces résultats mettent en évidence l'importance d'approfondir nos connaissances sur les effets de perturbations successives qui rendent le retour théorique à l'équilibre des espèces très incertain. / Metapopulation models are used to predict the occupancy of habitats from landscape spatial configuration. Habitat destruction and creation can lead to an extinction debt or an immigration credit that are time-delayed species dynamics following habitat turnover. Such delays mean that species are not in equilibrium with the current landscape structures. The aim of this thesis is to evaluate the contribution of non-equilibrium metapopulation models to understand time-delayed dynamics theoretically and from empirical datasets about forest plants. For this purpose, we assessed the robustness of the method used to infer metapopulation parameters at the regional scale. Then, we applied this method from contemporary plant inventories and time-series of forest maps of the Seine-et-Marne and the Eure-et-Loir french regions. Models satisfactorily reproduced some characteristics of forest plant spatial structure that are due to historical changes in forest areas. Indeed, some species are more frequent in ancient forests and some others are more frequent in recent forests notably due to species traits and their affinity for specific environmental characteristics. From long-term projections of species dynamics, we showed that the delays in forest plant dynamics are several centuries following habitat turnover and strongly depend on habitat functional connectivity. Virtual scenarios of habitat turnover were simulated to assess other study cases than the two study areas. We projected metapopulation dynamics, while controlling for some metapopulation parameters, to test the relative effects of species dispersal distance and the spatial configuration of habitat turnover on these dynamics. Metapopulation return time towards equilibrium not only depends on the magnitude of the extinction debt or on the magnitude of the immigration credit but also on these two variables.These results put forward the need to improve our knowledge on the effects of successive perturbations that make species return towards equilibrium unsure.