Les sondages pré-électoraux jouent un rôle important dans les élections en aidant les candidats à sélectionner leur plateforme et les électeurs à coordonner leurs votes. Ils influencent le bien-être de la société à travers les mesures de politiques qui seront mises en oeuvre après les élections. Mais, les prédictions obtenues à partir des réponses aux sondages sont souvent biaisées et volatiles. Les biais proviennent soit du format de question utilisé dans le sondage soit du processus cognitif par lequel les individus élaborent la réponse. La négligence de corrélation est l’un des biais cognitifs susceptibles d’affecter les réponses au sondage. Le présent mémoire vise à comparer théoriquement et empiriquement les pouvoirs prédictifs des différents formats de questions posées dans les sondages puis à mesurer l’effet du biais de négligence de corrélation sur les réponses des individus à l’aide d’une expérience de laboratoire. Les sondeurs utilisent trois types de question pour prédire le résultat de l’élection : les questions binaires, binaires avec incertitude et probabilistes. Les résultats théoriques montrent que les questions binaires avec incertitude donnent une estimation plus précise du résultat de l’élection que les questions binaires. Cette précision dépend de la proportion des électeurs indécis dans la population et de la façon dont les répondants interprètent la question. Les questions probabilistes sont plus précises que les deux autres formats de question. Selon les résultats expérimentaux, la corrélation entre les préférences électorales et les coûts de participation aux élections affecte significativement les réponses données par les individus dans les sondages.

Depuis quelques années, les prévisions probabilistes suscitent un intérêt croissant parmi les communautés météorologique et hydrologique. Cet intérêt découle en majeure partie du fait que ce type de prévision permet l'évaluation de l'incertitude associée aux prévisions. Les prévisions d'ensemble peuvent être construites à partir de réseaux de neurones. Cette méthode est avantageuse pour sa simplicité et pour sa rapidité d'exécution. L'évaluation de l'incertitude associée aux prévisions par réseaux de neurones ne peut s'effectuer analytiquement puisque l'expression mathématique du modèle est inconnue. C'est pourquoi des méthodes comme celle du rééchantillonnage avec remise (bootstrap) sont parfois employées pour déterminer l'incertitude associée à la prévision déterministe issue d'un réseau de neurones. Cette technique permet d'obtenir un ensemble de prévisions pour chaque pas de temps. Une loi de probabilité peut alors être ajustée aux prévisions d'ensemble afin d'obtenir une distribution prédictive. Cependant, à notre connaissance, la fiabilité de cette prévision probabiliste n'a pas été démontrée. La calibration de cette distribution ainsi que les mesures à prendre pour la corriger ne semble pas avoir été examinée à ce jour dans un contexte hydrologique. Ce mémoire présente différentes méthodes graphiques et numériques pour vérifier la qualité des prévisions probabilistes hydrologiques issues de réseaux de neurones. Ces méthodes ne sont pas uniquement applicables aux réseaux de neurones et pourraient être utilisées avec n'importe quel type de prévisions probabilistes de variables continues. La calibration de la distribution prédictive sera évaluée et corrigée et l'influence de la technique du rééchantillonnage avec remise sur les prévisions d'ensemble sera investiguée. / Since the last few years, there has been an increasing interest for probabilistic forecasting in the meteorological and hydrological community. This enthusiasm arises in a large extent from the possibility of uncertainty assessment that probabilistic forecasting has brought. Hydrological ensemble forecasting may be constructed using neural networks, which is a very useful tool regarding its simplicity and execution speed. Since the mathematical description the neural model remains unknown by the user, it is not possible to evaluate the forecast's uncertainty in a strict mathematical way. Some methods like the bootstrap can be used to overcome this difficulty. The bootstrap generates an ensemble of forecasts at each time step. Then, the ensemble can be used to fit a law of probability in order to obtain a predictive distribution. However, to the extent of our knowledge, the reliability of this probabilistic forecast has never been investigated. In addition, the calibration of this distribution as well as methods to correct it does not appear to have been investigated up to day in a hydrological context. This document presents graphical and numerical methods used to assess the quality of probabilistic hydrological forecasts obtained from neural networks. The methods employed here apply to any type of probabilistic forecasts of continuous variable and are not restricted to neural networks forecasting. The calibration of the predictive distribution will be evaluated and corrected, and the impact of the bootstrap will be investigated.

Le béton projeté est un procédé versatile de mise-en-place particulièrement adapté aux besoins de l’industrie moderne de la construction. Quand le béton projeté est spécifié pour des travaux de construction ou de réparation, le matériau doit souvent rencontrer les exigences en termes de résistance en compression, d’absorption après ébullition ou de pénétrabilité aux ions chlorures. Quoique relativement rapides et peu coûteux, ces essais ne permettent pas d’évaluer la durée de vie du matériau, ni de tenir compte des conditions d’exposition environnementales. Cette situation est problématique pour les fournisseurs et utilisateurs de béton projeté qui œuvrent à améliorer la qualité des mélanges. Il existe peu d’information traitant de l’influence du mélange initial et des paramètres de projection sur la durabilité du béton projeté. Ce projet de recherche vise à continuer l’étude des propriétés de transport du béton projeté afin de modéliser la réponse du matériau aux espèces ioniques en milieu agressif. / Shotcrete is a versatile placement process particularly well adapted to the needs of the modern construction industry. When shotcrete is specified for construction or repair work, the material must oftentimes meet a required compressive strength, boiled water absorption or chloride ion penetrability. Although relatively swift and cost-efficient, these tests do not provide an exact assessment of the potential service life provided by the mixture and do not consider the environmental exposure conditions affecting the concrete. This brings sizeable challenges to shotcrete mixture designers attempting to improve the quality of their mixtures. There is currently little information on the influence of the initial mixture design and the shooting parameters on shotcrete durability. This research project aims to continue the study of the transport properties of shotcrete to model the ingress of ionic species into the material in an aggressive environment.

Depuis que Meese et Rogoff [1983] ont publié leur article sur la qualité des outils prévisionnels du taux de change des années 70, découvrir le meilleur type de modèle et la spécification la plus efficace est un sujet prolifique de la littérature en économie internationale. Ce mémoire conduira une comparaison bayesienne des principales modélisations utilisées pour prédire l'évolution du taux de change. La méthodologie mise en oeuvre sera celle proposée par Geweke [1994] qui se nomme l'importance sampling. Une comparaison des densités et des vraisemblances prédictives permettra de déterminer s'il est préférable d'utiliser le vecteur autorégressif ou le modèle à correction d'erreurs pour prédire les réalisations du taux de change lors des divers états de l'économie.

La première étude évalue la relation entre la production ou la reconnaissance de séquences aléatoires et le contenu des rapports verbaux des sujets. Elle est menée à l'aide de deux tâches différentes. L'une comporte deux alternatives (pile et face), l'autre en compte six (les côtés d'un dé). Les résultats révèlent que la majorité des verbalisations émises par les sujets font référence à des liens erronés avec le passé et ce, peu importe la tâche qu'ils ont à effectuer. La seconde expérience compare les comportements et cognitions des sujets qui génèrent des séquences aléatoires à partir des informations disponibles. Les résultats indiquent que les verbalisations rapportées par les sujets du premier groupe (avec information) font, majoritairement, référence à des liens inadéquats entre le présent et le passé. Cependant, l'hypothèse de base n'est pas vérifiée. La discussion soulève quelques éléments explicatifs et propose des études ultérieures en ce qui concerne l'implication des participants dans la tâche expérimentale.

Les inondations présentent une grande menace à la sécurité humaine et matérielle. Les effets associés à ces phénomènes naturels risquent d'augmenter encore plus avec les tendances liées aux changements climatiques. Il est donc important de disposer d'outils de prévision et de prévention des crues fiables afin de mitiger les conséquences dévastatrices reliées. La mise en œuvre de ces outils implique des processus physiques assez complexes et nécessite beaucoup de données avec toute l'incertitude associée. Dans cette thèse, on explore les différentes sources d'incertitudes liée à la détermination des niveaux d'eau en rivières principalement dans un contexte de prévision où l'incertitude liée aux données de forçage est très importante. Les analyses conduites sont appliquées à la rivière Chaudière au Québec. En premier lieu, nous avons exploré les différentes sources paramétriques d'incertitude associées à la modélisation hydraulique dans un contexte de simulation avec un accent sur l'amélioration de la calibration du modèle hydraulique. Par la suite, dans un contexte de prévision opérationnel, on a évalué la propagation des sources d'incertitude de la prévision atmosphérique au modèle de rivière en passant par les prévisions hydrologiques avec des techniques probabilistes d'ensemble. La quantification de l'incertitude a montré que les données de forçage sont celles qui contribuent le plus à la description de l'incertitude dans la détermination des niveaux d'eau. L'incertitude paramétrique, dans un contexte de prévision, est quant à elle négligeable. Le recours à des prévisions d'ensemble a permis de produire une prévision de niveau d'eau assez fiable et a montré que celle-ci est fortement liée à la qualité des données qui proviennent de la chaine de prévision hydrométéorologique à l'amont du système de prévision proposé. / Floods are a major threat to human and infrastructure security. The impacts of these natural hazards are likely to increase further with climate change trends. It is therefore important to develop reliable flood forecasting and mitigation tools to help reduce their devastating consequences. The implementation of these tools involves quite complex physical processes and requires a lot of data with all the associated uncertainty. In this thesis, we explore and evaluate the different sources of uncertainty related to the determination of water levels in rivers mainly in a forecasting context where the uncertainty related to forcing data is very important. The analysis carried out is applied to the Chaudière River in Quebec. First, we explored the various parametric sources of uncertainty associated with hydraulic modelling in a simulation context with a focus on improving the calibration of the hydraulic model. Then, in an operational forecasting context, we evaluated the propagation of uncertainty sources from climate forecast to the river model through hydrological forecasting using ensemble driven techniques. Quantification of uncertainty showed that forcing data contribute the most to the description of uncertainty in water level determination and the parametric uncertainty, in a forecasting context, is very negligible. The adoption of ensemble forecasts allowed us to provide reliable water level forecasts and showed that they are highly dependent on the quality of the data produced by the hydrometeorological forecast chain upstream of the proposed forecasting system.

Nous abordons la prévision probabiliste des débits à partir de deux perspectives basées sur la complémentarité de multiples modèles hydrologiques (diversité). La première exploite une méthodologie hybride basée sur l’évaluation de plusieurs modèles hydrologiques globaux et d’outils d’apprentissage automatique pour la sélection optimale des prédicteurs, alors que la seconde fait recourt à la construction d’ensembles de réseaux de neurones en forçant la diversité. Cette thèse repose sur le concept de la diversité pour développer des méthodologies différentes autour de deux problèmes pouvant être considérés comme complémentaires. La première approche a pour objet la simplification d’un système complexe de prévisions hydrologiques d’ensemble (dont l’acronyme anglais est HEPS) qui dispose de 800 scénarios quotidiens, correspondant à la combinaison d’un modèle de 50 prédictions météorologiques probabilistes et de 16 modèles hydrologiques globaux. Pour la simplification, nous avons exploré quatre techniques: la Linear Correlation Elimination, la Mutual Information, la Backward Greedy Selection et le Nondominated Sorting Genetic Algorithm II (NSGA-II). Nous avons plus particulièrement développé la notion de participation optimale des modèles hydrologiques qui nous renseigne sur le nombre de membres météorologiques représentatifs à utiliser pour chacun des modèles hydrologiques. La seconde approche consiste principalement en la sélection stratifiée des données qui sont à la base de l’élaboration d’un ensemble de réseaux de neurones qui agissent comme autant de prédicteurs. Ainsi, chacun d’entre eux est entraîné avec des entrées tirées de l’application d’une sélection de variables pour différents échantillons stratifiés. Pour cela, nous utilisons la base de données du deuxième et troisième ateliers du projet international MOdel Parameter Estimation eXperiment (MOPEX). En résumé, nous démontrons par ces deux approches que la diversité implicite est efficace dans la configuration d’un HEPS de haute performance. / In this thesis, we tackle the problem of streamflow probabilistic forecasting from two different perspectives based on multiple hydrological models collaboration (diversity). The first one favours a hybrid approach for the evaluation of multiple global hydrological models and tools of machine learning for predictors selection, while the second one constructs Artificial Neural Network (ANN) ensembles, forcing diversity within. This thesis is based on the concept of diversity for developing different methodologies around two complementary problems. The first one focused on simplifying, via members selection, a complex Hydrological Ensemble Prediction System (HEPS) that has 800 daily forecast scenarios originating from the combination of 50 meteorological precipitation members and 16 global hydrological models. We explore in depth four techniques: Linear Correlation Elimination, Mutual Information, Backward Greedy Selection, and Nondominated Sorting Genetic Algorithm II (NSGA-II). We propose the optimal hydrological model participation concept that identifies the number of meteorological representative members to propagate into each hydrological model in the simplified HEPS scheme. The second problem consists in the stratified selection of data patterns that are used for training an ANN ensemble or stack. For instance, taken from the database of the second and third MOdel Parameter Estimation eXperiment (MOPEX) workshops, we promoted an ANN prediction stack in which each predictor is trained on input spaces defined by the Input Variable Selection application on different stratified sub-samples. In summary, we demonstrated that implicit diversity in the configuration of a HEPS is efficient in the search for a HEPS of high performance.

Au niveau de notre étude, nous avons comparé la performance de prévision de plusieurs modèles statistique de prévisions, modèles simples et modèles sophistiqués. Pour atteindre notre bute nous avons utilisé le ± MAPE ¿ comme mesure de précision des prédictions pour voir le quel de ces modèles est la plus appropriés à fournir les meilleures prévisions de l'opinion publique. Pour le faire nous nous somme basé sur une liste de données composée de séries chronologiques gracieusement fourni par Swammer. Ces séries comportent des données journalières couvrant la campagne présidentielle de France de 2007. Nous résultats montrent clairement que les méthodes statistiques simples ont un pouvoir de prédiction plus important que celui des méthodes sophistiquées pour un horizon de prédiction à très court terme. Nous constatons aussi que pour un horizon de prévision un peu plus long la méthode paramétrique de la régression robuste non linéaire représente la meilleure perspective de prévision parmi tous les modèles étudiés. Nous concluons ainsi que les méthodes statistiques sophistiquées ont un pouvoir de prédiction plus élevé que ce lui des méthodes statistiques simples pour un horizon de prévision un peu plus long que le très court terme.

Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2006-2007 / Ce mémoire propose un modèle de choix à noyau logit mixte qui permet l'intégration de variables latentes. Ce modèle, appelé modèle ICLV à noyau logit mixte, a pour objectif de représenter de façon plus réaliste les choix des agents. Des variables psychométriques sont incluses dans le modèle afin de modéliser l'influence des attitudes et des perceptions sur les choix. Pour estimer ce modèle qui intègre plusieurs équations, soit les équations structurelles et les équations de mesure du modèle de choix et du modèle à variables latentes, un estimateur du maximum de vraisemblance simulé est proposé. L'objectif principal de ce mémoire est de produire l'une des premières applications concrètes de l'utilisation des modèles ICLV à noyau logit mixte dans le contexte à plusieurs alternatives et plusieurs variables latentes. Pour ce faire, des données provenant d'un vaste sondage effectué par la compagnie NTT sont utilisées afin d'estimer la demande pour les services téléphoniques résidentiels. Des variables latentes telles que la connaissance de la téléphonie IP sont incluses dans le modèle afin de mieux modéliser les choix. Des scénarios simulés permettent finalement de prédire l'évolution de la demande pour la téléphonie IP, puisqu'on remarque que celle-ci est en constante évolution. Les résultats montrent qu'une augmentation de la connaissance de la téléphonie IP aurait le pouvoir d'augmenter considérablement les parts de marché de cette technologie.

L'analyse de la conjoncture économique québécoise est complexe étant donné l'incertitude sur les données présentes et passées. Un indicateur de cette incertitude est les révisions des données. C'est-à-dire que l'on ajuste les données au fils du temps pour corriger des estimations inexactes. Les conséquences des révisions des données sur une modélisation autorégressive du PIB avec une matrice de transition markovienne sera caractérisée, ce qui permet de nuancer l'ampleur des expansions et des récessions qui dictent la conduite d'actions publiques et la conduite de certains agents économiques.