Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La prévision d'étiage à long terme est l'une des questions émergentes en hydrologie en raison de la demande croissante en eau en période sèche. Des prévisions fiables de débits à longue échéance (quelques semaines à quelques mois à l'avance) peuvent améliorer la gestion des ressources en eau et de ce fait l'économie de la société et les conditions de vie aquatique. Les études limitées sur les étiages dans la littérature nous a conduit à traiter certaines des questions existantes sur l'hydrologie des étiages, principalement sur la simulation et la prévision des étiages. Notre objectif final de développer une approche d'ensemble pour la prévision à long terme des étiages se décline en plusieurs étapes préalables, telles que la caractérisation des étiages, l'évaluation de mesures existantes d'efficacité des simulations des modèles, le développement d'une version améliorée d'un modèle de simulation des étiages, et enfin l'intégration d'une approche de prévision d'ensemble. Un ensemble de bassins distribués partout en France avec une variété de conditions hydro-météorologiques a été utilisé pour l'évaluation des modèles. Cet échantillon de données a d'abord été analysé et les étiages ont été caractérisés en utilisant divers indices. Notre objectif de mieux évaluer les simulations des étiages par les modèles a conduit à proposer un critère basé sur le critère de Nash-Sutcliffe, calculé sur l'inverse des débits pour mettre davantage de poids sur les erreurs sur les très faibles débits. Les résultats montrent que ce critère est mieux adapté à l'évaluation des simulations des étiages que d'autres critères couramment utilisés..Une analyse de sensibilité structurelle a ensuite été menée pour développer une structure de modèle améliorée pour simuler les étiages. Des modèles couramment utilisés ont été choisis ici comme modèles de base pour commencer l'analyse de sensibilité. Le modèle développé, GR6J, atteint de meilleures performances à la fois sur les faibles et les hauts débits par rapport aux autres modèles existants testés. En raison de la complexité du processus pluie-débit et de l'incertitude liée aux conditions météorologiques futures, nous avons développé une approche d'ensemble pour émettre des prévisions et quantifier les incertitudes associées. Ainsi l'approche d'ensemble fournit une gamme de valeurs futures de débits sur la plage de prévision. Ici, la climatologie a été utilisée pour fournir les scénarios météorologiques en entrée du modèle pour réaliser les prévisions. Pour réduire le niveau d'incertitude lié au modèle hydrologique, des combinaisons variées de procédures de mise à jour et de corrections de sortie ont été testées. Une approche directe, similaire à ce qui peut être fait pour la prévision des crues, a été sélectionnée comme la plus efficace. Enfin, des essais ont été réalisés pour améliorer la qualité des prévisions sur les bassins influencés par les barrages, en tenant compte des variations de stockage dans les barrages amont. Testée sur les bassins de la Seine et de la Loire, l'approche a donné des résultats mitigés, indiquant le besoin d'analyses complémentaires. / Long-term stream low-flow forecasting is one of the emerging issues in hydrology due to the escalating demand of water in dry periods. Reliable long-lead (a few weeks to months in advance) streamflow forecasts can improve the management of water resources and thereby the economy of the society and the conditions for aquatic life. The limited studies on low flows in the literature guided us to address some of the existing issues in low-flow hydrology, mainly on low-flow simulation and forecasting. Our ultimate aim to develop an ensemble approach for long-term low-flow forecasting includes several prior steps such as characterisation of low flows, evaluation of some of the existing model's simulation efficiency measures, development of a better model version for low-flow simulation, and finally the integration of an ensemble forecasting approach. A set of catchments distributed over France with various hydrometeorological conditions are used for model evaluation. This data set was first analysed and low flows were characterized using various indices. Our objective to better evaluate the models' low-flow simulation models resulted in the proposition of a criterion based on the Nash-Sutcliffe criterion, but calculated on inverse flows to put more weight on the errors on extreme low flows. The results show that this criterion is better suited to evaluate low-flow simulations than other commonly used criteria. Then a structural sensitivity analysis was carried out to develop an improved model structure to simulate stream low flows. Some widely used models were selected here as base models to initiate the sensitivity analysis. The developed model, GR6J, reaches better performance in both low- as well as high-flow conditions compared to the other tested existing models. Due to the complexity of rainfall-runoff processes and the uncertainty linked to future meteorological conditions, we developed an ensemble modelling approach to issue forecasts and quantify their associated uncertainty. Thus the ensemble approach provides a range of future flow values over the forecasting window. Here observed (climatological) rainfall and temperature were used as meteorological scenarios fed the model to issue the forecasts. To reduce the level of uncertainty linked to the hydrological model, various combinations of simple updating procedures and output corrections were tested. A straightforward approach, similar to what can be done for flood forecasting, was selected as it proved the most efficient. Last, attempts were made to improve the forecast quality on catchments influenced by dams, by accounting for the storage variations in upstream dams. Tested on the Seine and Loire basins, the approach showed mixed results, indicating the need for further investigations.

Cette thèse montre que pour innover, le secteur privé peut faire appel à la connaissance académique. En effet, un partenariat entre un établissement universitaire et un professionnel du transport de marchandises a permis de répondre à des problématiques industrielles par l'application de mathématiques de pointe. Cette thèse porte sur la conception, l'implémentation et la mise en production d'un système de prévision d'activité pour l'optimisation de la planification des ressources. Elle propose également un modèle mathématique pour modéliser les flux de marchandises qui transitent sur un quai de messagerie. Pour comprendre la problématique posée par l'industriel, le contexte industriel dans lequel s'insèrent les travaux de recherche est posé. Il s'en suit une réflexion sur la manière d'aborder le problème de mise en place d'un système de prévision en entreprise. Une synthèse de l'existant en matière de production d'information prévisionnelle est menée dans l'entreprise. En s'appuyant sur les informations récoltées, une méthodologie pour intégrer, analyser et prévoir des indicateurs économiques, est avancée. Cette méthodologie est appliquée avec succès dans le groupe STEF-TFE, leader français du transport sous température dirigée. Dans le but de planifier les ressources nécessaires pour faire face à l'activité prévue, une recherche a été menée pour modéliser les flux de marchandises en transit sur un quai de messagerie. Le résultat de la thèse est, qu'en 2010, 70 agences de transports du groupe STEF-TFE ont accès aux prévisions d'activités. Aussi, la méthodologie avancée est susceptible d'être utilisée dans divers secteurs industriels.

Le Global Sourcing est aujourd'hui en pleine expansion car il offre aux entreprises une source potentielle de compétitivité dans un environnement de plus en plus concurrentiel. Néanmoins, il génère aussi une complexification des flux et une fragilisation de la Supply Chain Globale. La problématique du Global Sourcing est vaste et touche les différents niveaux de décision de l'entreprise. Pour cela nous nous sommes focalisés dans ce travail sur les aspects tactiques et opérationnels de ce domaine. Nous avons abordé ainsi diverses questions : Quels leviers d'action pour un pilotage efficace des flux en approvisionnement lointain? Comment sécuriser les approvisionnements lointains dans le contexte industriel actuel ? Les politiques classiques de pilotage de flux sont-elles suffisantes pour les approvisionnements lointains ? En collaboration avec les partenaires industriels de la Chaire Supply Chain de l'Ecole Centrale Paris, nous avons abordé différentes facettes de cette problématique. Nous nous sommes intéressés tout d'abord à la prévision comme élément nécessaire au pilotage des flux lointains et nous avons proposé une méthodologie de sélection et de mise à jour de méthodes de prévision. Les délais longs en approvisionnement lointain font que les erreurs de prévision s'amplifient, ce qui nous a amenés à étudier l'erreur prévisionnelle. Nous avons proposé dans ce sens une modélisation fine de cette erreur et de son évolution en fonction de l'horizon temporelle de la prévision. Dans la dernière étape de ce travail, nous avons utilisé cette modélisation de l'incertitude pour piloter efficacement les flux lointains. Nous avons montré sur des cas réels issus de l'entreprise PSA l'efficacité de la méthode proposée en termes de respect du niveau de service avec un niveau de stock largement inférieur aux méthodes classiques.

Le Global Sourcing est aujourd'hui en pleine expansion car il offre aux entreprises une source potentielle de compétitivité dans un environnement de plus en plus concurrentiel. Néanmoins, il génère aussi une complexification des flux et une fragilisation de la Supply Chain Globale. La problématique du Global Sourcing est vaste et touche les différents niveaux de décision de l'entreprise. Pour cela nous nous sommes focalisés dans ce travail sur les aspects tactiques et opérationnels de ce domaine. Nous avons abordé ainsi diverses questions : Quels leviers d'action pour un pilotage efficace des flux en approvisionnement lointain? Comment sécuriser les approvisionnements lointains dans le contexte industriel actuel ? Les politiques classiques de pilotage de flux sont-elles suffisantes pour les approvisionnements lointains ? En collaboration avec les partenaires industriels de la Chaire Supply Chain de l'Ecole Centrale Paris, nous avons abordé différentes facettes de cette problématique. Nous nous sommes intéressés tout d'abord à la prévision comme élément nécessaire au pilotage des flux lointains et nous avons proposé une méthodologie de sélection et de mise à jour de méthodes de prévision. Les délais longs en approvisionnement lointain font que les erreurs de prévision s'amplifient, ce qui nous a amenés à étudier l'erreur prévisionnelle. Nous avons proposé dans ce sens une modélisation fine de cette erreur et de son évolution en fonction de l'horizon temporelle de la prévision. Dans la dernière étape de ce travail, nous avons utilisé cette modélisation de l'incertitude pour piloter efficacement les flux lointains. Nous avons montré sur des cas réels issus de l'entreprise PSA l'efficacité de la méthode proposée en termes de respect du niveau de service avec un niveau de stock largement inférieur aux méthodes classiques. / Global Sourcing is becoming a common practice in industrial activities since it offers companies opportunities to improve its competitiveness in an increasingly competitive business environment. At the same time, it makes the flows more complex and the supply chain more fragile. Global Sourcing thus gives rise to a wide range of issues and impacts different levels of decision making. To address such a problem, we focus on tactical and operational decision making. We attempt to answer a variety of questions: What are possible actions for flow management in global sourcing? How to secure the procurement in the current industrial context? Are classical flow management policies also efficient in global sourcing? In collaboration with the industrial partners of the Chaire Supply Chain at Ecole Centrale Paris, we consider different problems. Firstly, we are interested in demand forecasting, an essential element for flow management in global sourcing and proposed a methodology to select an appropriate forecasting method and to update it dynamically. The fact that the lead times are long in global sourcing makes the forecast less reliable and less and less reliable when the forecast horizon increases, which requires an evaluation of the forecast accuracy. We propose a detailed model of the forecast accuracy and its evolution with time horizon involved. As the last step of the work, this forecast accuracy model is applied to a real life flow management problem in global sourcing. The case study carried out based on real life data from PSA demonstrates a clear superiority of the proposed method over existing ones in terms of both service level and inventory level.

Cette thèse comporte deux objectifs. Un premier objectif concerne la prévision d’une charge totale dans le contexte des Smart Grids par des approches qui reposent sur la méthode de prévision ascendante. Le deuxième objectif repose quant à lui sur l’étude des forêts aléatoires dans le cadre d’observations dépendantes, plus précisément des séries temporelles. Nous étendons dans ce cadre les résultats de consistance des forêts aléatoires originelles de Breiman ainsi que des vitesses de convergence pour une forêt aléatoire simplifiée qui ont été tout deux jusqu’ici uniquement établis pour des observations indépendantes et identiquement distribuées. La dernière contribution sur les forêts aléatoires décrit une nouvelle méthodologie qui permet d’incorporer la structure dépendante des données dans la construction des forêts et permettre ainsi un gain en performance dans le cas des séries temporelles, avec une application à la prévision de la consommation d’un bâtiment. / This thesis has two objectives. A first objective concerns the forecast of a total load in the context of Smart Grids using approaches that are based on the bottom-up forecasting method. The second objective is based on the study of random forests when observations are dependent, more precisely on time series. In this context, we are extending the consistency results of Breiman’s random forests as well as the convergence rates for a simplified random forest that have both been hitherto only established for independent and identically distributed observations. The last contribution on random forests describes a new methodology that incorporates the time-dependent structure in the construction of forests and thus have a gain in performance in the case of time series, illustrated with an application of load forecasting of a building.

Il y a un consensus que la sévérité des chocs sur les marchés pétroliers tend à diminuer, ainsi que la dépendance des économies développées vis-à-vis de ces chocs. Les pays développés sont généralement les importateurs d'énergie et l'effet des chocs pétroliers sur les pays exportateurs de pétrole peut être différent, surtout s’il s’agit des pays dont la grande partie de l’exportation est le pétrole ou les produits pétroliers. En outre, l'orientation sur l'exportation des matières premières peut modifier la performance relative des modèles économétriques qui sont généralement utilisés pour les prévisions. La thèse étudie et développe des modèles de l'analyse structurelle et de la prévision à court terme d'une économie exportatrice de pétrole où les données russes sont utilisées pour toutes les applications empiriques. Le premier chapitre est consacré à la construction d'un modèle DSGE pour un pays exportateur de matières premières. Le modèle DSGE est estimé par des méthodes bayésiennes. Nous constatons qu'en dépit de l'impact important sur le PIB des chocs pétroliers, les cycles économiques en Russie sont essentiellement d'origine intérieure. Le deuxième chapitre examine comment les méthodes bayésiennes peuvent être appliquées aux prévisions à l'aide d'un modèle BVAR. Le troisième chapitre applique ces techniques et compare la performance d'un groupe de modèles non structurels (univariés et multivariés) pour prévoir un ensemble d'indicateurs macroéconomiques russes. Dans le quatrième chapitre, les prévisions se sont concentrées sur les modèles structurels multivariés (DSGE) et non structurels (BVAR). Le cinquième chapitre quantifie l'effet de différents types de chocs pétroliers sur plusieurs variables macroéconomiques russes. / It is generally agreed that the severity of oil markets shocks tends to decrease as does dependence of developed economies on those shocks. Developed countries are generally energy importers, and the effect of oil market shocks on oil-exporting countries may be different, especially if energy represents a large percentage of the country’s exports. In addition, the focus on commodity exports may change the relative forecasting performance of econometric models that are generally used for forecasting. This thesis studies and develops models for structural analysis and short-term forecasting of an oil-exporting economy using Russian data for all empirical applications. The first chapter is devoted to a construction of a DSGE model for a country with commodity exports. The DSGE model is estimated by Bayesian methods We find that despite a strong impact of commodity export shocks on GDP, the business cycles in Russia are mostly domestically based.. The second chapter discusses how the Bayesian methods may be applied for forecasting with a BVAR model. The third chapter applies these techniques and compares the performance of a group of non-structural models – univariate and multivariate – for forecasting a set of Russian macroeconomic indicators. In the fourth chapter, the forecasting focuses on multivariate structural (DSGE) and non-structural BVAR models. The fifth chapter quantifies the effect of different types of oil market shocks on several Russian macroeconomic variables.

Ce document examine différentes méthodes pour calculer des chemins optimaux sur des graphes dynamiques. Deux grandes approches sont comparées: l’approche déterministe et l’approche probabiliste. L’approche déterministe prend pour acquise une certaine connaissance préalable des changements à venir dans l’environnement. L’approche probabiliste tente de modéliser et traiter l’incertitude. Une variante dynamique de l’algorithme de Dijkstra est détaillée dans le contexte déterministe. Les paradigmes des Markov Decision Processes (MDP) et Partially Observable Markov Decision Processes sont explorés dans le cadre du problème probabiliste. Des applications et mesures sont présentées pour chaque approche. On constate une relation inverse entre la calculabilité des approches proposées et leur potentiel d’application pratique. L’approche déterministe représente une solution très efficace à une version simplifiée du problème. Les POMDP s’avèrent un moyen théorique puissant dont l’implantation est impossible pour des problèmes de grande taille. Une alternative est proposée dans ce mémoire à l’aide des MDP. / This document examines different methods to compute optimal paths on dynamic graphs. Two general approaches are compared: deterministic and probabilistic. The deterministic approach takes for granted knowledge of the environment’s future behaviour. The probabilistic approach attempts to model and manage uncertainty. A dynamic version of Dijkstra’s algorithm is presented for the deterministic solution. Markov Decision Processes and Partially Observable Markov Decision Processes are analysed for the probabilistic context. Applications and measures of performance are given for each approach. We observe a reverse relationship between computability and applicability of the different approaches. Deterministic approaches prove a fast and efficient way to solve simpler versions of the problem. POMDPs are a powerful theoretical model that offers little potential of application. An alternative is described through the use of MDPs.

Les options thérapeutiques d'intention curative ont une faible probabilité de succès chez les patients atteints d'un cancer de la prostate avec métastases ganglionnaires. Ainsi, l'obtention d'une méthode de prédiction de la présence ou l'apparition de métastases ganglionnaires est souhaitable. Ce document présente le développement d'un modèle de prédiction de la présence de métastases ganglionnaires à la prostatectomie radicale. Le modèle utilise les marqueurs radiomiques extraits de l'examen FDG-TEP/CT fait en préopératoire. Ces marqueurs issus de la radiomique - définie comme le processus d'extraction quantitative de données exploitables de haute dimension à partir d'images médicales - permettent de quantifier des caractéristiques invisibles à l'œil tels que les paramètres de texture et d'intensité. Dans un premier volet, afin de limiter les erreurs de recalage entre la TEP et le CT, une évaluation de l'extraction des marqueurs radiomiques a été effectuée en comparant la valeur maximale d'absorption standardisée (SUVₘₐₓ) sur l'imagerie TEP. Une méthode de segmentation semi-automatique de la vessie en TEP a été développée de manière à soustraire la vessie de la segmentation de la prostate, ce qui permet une extraction plus juste des marqueurs radiomiques. Dans un second volet, une méthode de sélection des marqueurs radiomiques a été développée afin de réduire les marqueurs redondants et de sélectionner les plus importants, ce qui a permis de sélectionner 17 marqueurs TEP. Lorsque combinés avec l'intelligence artificielle, les marqueurs radiomiques peuvent être utilisés pour la prédiction de différents paramètres cliniques. Un modèle de prédiction utilisant un classificateur par forêts aléatoires a permis d'obtenir des résultats démontrant le potentiel de l'algorithme et des marqueurs radiomiques en FDG-TEP/CT. Une fois couplé aux données cliniques, l'algorithme permet une meilleure prédiction. Une AUC de (79 ± 9) % est obtenue lors de la combinaison du modèle de prédiction avec le stade clinique de la tumeur. / Therapeutic options with curative intent have a low probability of success in patients with prostate cancer with lymph node metastases. Therefore, a method for predicting the presence or development of lymph node metastases is desirable. This document presents the development of a model for predicting the presence of lymph node metastases at radical prostatectomy. The model uses radiomic markers extracted from the preoperative FDG-PET/CT examination. These radiomic markers - defined as the process of quantitatively extracting high-dimensional usable data from medical images - allow the quantification of features invisible to the eye such as texture and intensity parameters. In the first part, to limit the misalignment errors between PET and CT, an evaluation of the extraction of radiomic markers was carried out by comparing the standardized maximum absorption value (SUVₘₐₓ) on PET imaging. A semi-automatic PET bladder segmentation method was developed to subtract the bladder from the prostate segmentation, allowing a more accurate extraction of radiomic markers. In the second phase, a method for selecting radiomic markers was developed to reduce redundant markers and to select the most important ones, resulting in the selection of 17 PET markers. When combined with artificial intelligence, radiomic markers can be used for the prediction of various clinical parameters. A prediction model using a random forest classifier provided results demonstrating the potential of the algorithm and radiomic markers in FDG-PET/CT. Once coupled with clinical data, the algorithm allows a better prediction. AUC of (79 ± 9) % is obtained when combining the prediction model with the clinical stage of tumor.

L'apprentissage automatique (AA) a permis des progrès inégalés en nutrition, notamment dans les domaines de l'évaluation alimentaire, du traitement de données massives associées aux sciences « omiques », de l'analyse des médias sociaux et de la prédiction du risque de maladie. Toutefois, l'AA n'est pas encore exploité dans le domaine de la prédiction de comportements associés à la saine alimentation. Les interventions et politiques de santé publique en nutrition mises sur pied jusqu'à ce jour ne semblent pas porter fruit puisque les choix et comportements alimentaires au niveau populationnel restent sous-optimaux. Afin de contrer l'épidémie de maladies chroniques qui découle d'une alimentation sous-optimale au Québec, il est essentiel d'identifier les facteurs individuels, sociaux et environnementaux qui déterminent les choix alimentaires de la population. Plusieurs études soutiennent l'idée que les algorithmes d'AA ont une meilleure capacité de prédiction que des modèles statistiques traditionnels, et pourraient donc permettre de mieux documenter les facteurs qui influencent les choix alimentaires de la population. Cependant, d'autres études n'ont rapporté aucune valeur ajoutée de l'utilisation d'algorithmes d'AA pour la prédiction du risque de maladies par rapport à des approches prédictives plus traditionnelles. L'objectif de ce projet de maîtrise était donc de comparer la performance de neuf algorithmes d'AA à celle de deux modèles statistiques traditionnels pour prédire un comportement en nutrition, soit une consommation adéquate de légumes et fruits, à partir de 525 variables individuelles, sociales et environnementales reliées aux habitudes alimentaires. Les résultats de ce mémoire démontrent que les algorithmes d'AA ne prédisent pas mieux la consommation adéquate de légumes et fruits que les modèles statistiques traditionnels. Cependant, étant une des premières études à comparer les algorithmes d'AA à des modèles statistiques traditionnels pour prédire un comportement en nutrition, davantage d'études comparant les deux approches doivent être menées afin d'identifier celles qui nous permettront de mieux documenter les déterminants de la saine alimentation. / Machine learning (ML) has offered unparalleled opportunities of progress in nutrition, including in the fields of dietary assessment, omics data analysis, social media data analysis and diet-related health outcome prediction. However, ML has not yet been explored for the prediction of dietary behaviours. Despite several public health interventions and policies in nutrition, adhering to heathy eating remains a challenge. In order to address the epidemic of chronic disease caused by unhealthy eating habits, it is necessary to better identify the individual, social and environmental determinants of healthy eating in the Quebec population. Many studies demonstrate that ML algorithms predict health outcomes with higher accuracy than traditional statistical models, and thus, could allow better identifying the factors that influence food choices in the Quebec population. However, other studies have reported no added value of using ML algorithms for disease risk prediction compared to traditional approaches. The aim of this master's project was to compare the accuracy of nine ML algorithms and two traditional statistical models to predict adequate vegetable and fruit consumption using a large array of individual, social and environmental variables. The results of this study demonstrate that ML algorithms do not predict adequate vegetable and fruit consumption with higher accuracy than traditional statistical models. However, being one of the first studies to compare ML algorithms and traditional statistical models to predict dietary behaviours, more studies comparing both approaches are needed to determine which models will allow better identifying the determinants of healthy eating.