Éditeur(s) : HAL CCSD
Résumé : International audience
Beaucoup de phénomènes sont de nature stochastique et nécessitent pour être modélisés et prédits des techniques statistiques appropriées. Un processus ponctuel (Daley et Veres Jones (1988); Karr (1991) ; van Lieshout (2000)) est un mécanisme stochastique qui modélise des localisations de points dans un espace donné. Une répartition de points dans l'espace ou dans le temps peut-être considérée comme la réalisation d'un processus ponctuel (Vaillant (1991,1992)). Elle se présente sous la forme d'un ensemble de coordonnées et/ou de dates d'occurrences. On ne dispose en général que d'une réalisation de ce processus (Vaillant et al. (1997)). La loi d'un processus ponctuel est complètement caractérisée par son processus intensité conditionnelle et la modélisation se fait donc uniquement à travers ce dernier. Notre étude concerne l'apport des modèles de mélange de processus ponctuels dans de telles modélisations. Elle fait également apparaître l'utilité de l'approche bayésienne pour apprécier la variabilité associée à certains facteurs environnementaux. Le lien avec les lois a priori Stick-Breaking (Ishwaran et James (2001)) telles que le processus de Dirichlet (Ferguson (1973,1974)) est présenté. Des modèles de mélange de processus de Poisson non homogènes ont été présentés par différents auteurs, par exemple, Kottas et Sanso (2007) ont considéré pour la loi mélangeante un processus de Dirichlet. Il est à noter cependant, que lorsque les données sont sous forme de comptages régionalisés, la modélisation concerne plutôt la loi de dénombrement (Green et Richardson (2002)). Pour notre part, nous nous intéressons à des processus Stick-Breaking à noyaux pour la prise en compte des localisations locales dans les mélanges spatiaux de processus ponctuels. Des algorithmes de type MCMC pour le traitement approprié de données incomplètes sont présentés et discutés puis sont testés sur des données artificielles.
42èmes Journées de Statistique
Marseille, France, France

inria-00494724
https://hal.inria.fr/inria-00494724
https://hal.inria.fr/inria-00494724/document
https://hal.inria.fr/inria-00494724/file/p65.pdf

Éditeur(s) : HAL CCSD
Résumé : The purpose of this thesis is to improve the knowledge about and apply data mining techniques and some Bayesian model in the field of social and environmental health inequalities. On the neighborhood scale on the Paris, Marseille, Lyon and Lille metropolitan areas, the health event studied is infant mortality. We try to explain its risk with socio-economic data retrieved from the national census and environmental exposures such as air pollution, noise, proximity to traffic, green spaces and industries. The thesis is composed of two parts. The data mining part details the development of a procedure of creation of multidimensional socio-economic indices and of an R package that implements it, followed by the creation of a cumulative exposure index. In this part, data mining techniques are used to synthesize information and provide composite indicators amenable for direct usage by stakeholders or in the framework of epidemiological studies. The second part is about Bayesian models. It explains the "BYM" model. This model allows to take into account the spatial dimension of the data when estimating mortality risks. In both cases, the methods are exposed and several results of their usage in the above-mentioned context are presented. We also show the value of the socio-economic index procedure, as well as the existence of social inequalities of infant mortality in the studied metropolitan areas.
Cette thèse a pour but d'améliorer les connaissances concernant les techniques d'analyse de données et certains modèles bayésiens dans le domaine de l'étude des inégalités sociales et environnementales de santé. À l'échelle géographique de l'IRIS sur les agglomérations de Paris, Marseille, Lyon et Lille, l'événement sanitaire étudié est la mortalité infantile dont on cherchera à expliquer le risque avec des données socio-économiques issues du recensement et des expositions environnementales comme la pollution de l'air, les niveaux de bruit et la proximité aux industries polluantes, au trafic automobile ou aux espaces verts. Deux volets principaux composent cette thèse. Le volet analyse de données détaille la mise au point d'une procédure de création d'indices socio-économiques multidimensionnels et la conception d'un package R l'implémentant, puis la création d'un indice de multi-expositions environnementales. Pour cela, on utilise des techniques d'analyse de données pour synthétiser l'information et fournir des indicateurs composites utilisables directement par les décideurs publics ou dans le cadre d'études épidémiologiques. Le second volet concerne les modèles bayésiens et explique le modèle " BYM ". Celui-ci permet de prendre en compte les aspects spatiaux des données et est mis en œuvre pour estimer le risque de mortalité infantile. Dans les deux cas, les méthodes sont présentées et différents résultats de leur utilisation dans le contexte ci-dessus exposés. On montre notamment l'intérêt de la procédure de création d'indices socio-économiques et de multi-expositions, ainsi que l'existence d'inégalités sociales de mortalité infantile dans les agglomérations étudiées.
https://tel.archives-ouvertes.fr/tel-00943004

tel-00943004
https://tel.archives-ouvertes.fr/tel-00943004
https://tel.archives-ouvertes.fr/tel-00943004/document
https://tel.archives-ouvertes.fr/tel-00943004/file/Manuscrit_LallouA_final.pdf

Résumé : Cette thèse concerne la modélisation des dynamiques de maladies foliaires de cultures pérennes tropicales à différentes échelles spatiales. Cette approche de modélisation est appliquée à la cercosporiose noire du bananier. Il s’agit d’explorer et de déterminer les paramètres environnementaux et de résistance de l’hôte ayant une influence significative sur la dynamique spatiotemporelle de la maladie et d’apporter des éléments associés au contrôle de la cercosporiose noire.Deux modèles ont été développés dans le cadre de cette thèse. La dynamique épidémiologique au niveau de la plante est décrite par un modèle mécaniste décomposé en un modèle de croissance de la plante et un module épidémiologique décrivant le cycle épidémique du pathogène. L’architecture du bananier est prise en compte par le biais de compartiments foliaires positionnés dans l’espace. Le modèle a été validé par un jeu de données indépendant. Les expérimentations numériques et l’analyse de sensibilité du modèle réalisées par les méthodes de Morris et de e-FAST ont permis de mieux comprendre le fonctionnement épidémique de cette maladie et d’identifier les paramètres influant le plus la dynamique épidémique en particulier la vitesse d’extension des lésions, la durée d’incubation et l’efficacité d’infection .L’approche bayésienne a permis de prendre en compte l’information a priori disponible pour ces trois paramètres sur lesquels a porté l’inférence statistique. L’analyse de sensibilité du modèle a également permis d’identifier l’influence de deux paramètres liés à la croissance de la plante : le nombre de feuilles sur une plante et le rythme d’émission foliaire Un modèle de dynamique spatio-temporelle de la cercosporiose noire a été développé à l’échelle d’un territoire à partir d’enquêtes effectuées enMartinique pendant la période d’invasion de cette maladie de septembre 2010 à mai 2012. Les données récoltées étant censurées, l’inférence des paramètres du modèle a été réalisée dans un cadre bayésien en utilisant un algorithme d’augmentation de données. Le modèle et l’inférence développés permettent de reconstruire la dynamique spatio-temporelle de l’invasion et de prédire la fin d’invasion sur le territoire.Les deux modèles de dynamiques spatio-temporelles développés à deux échelles spatiales différentes ont permis d’acquérir des informations importantes pour construire des outils de conception de méthode de contrôle de la cercosporiose noire des bananiers.
This thesis concerns the modeling of the dynamics of foliar diseases of tropical tree crops at different spatial scales. This modeling approach is applied to black Sigatoka of banana. It is to explore and determine the environmental parameters and host resistance has a significant influence on the spatiotemporal dynamics of the disease and to provide elements associated with the control of Sigatoka noire.Deux models were developed as part of this thesis. The epidemiological dynamics at the plant is described by a mechanistic model decomposed into a growth model of the plant and an epidemiological unit describing the pathogen epidemic cycle. The architecture of the banana is taken into account through foliar compartments positioned in space. The model was validated by an independent data set. Numerical experiments and model sensitivity analysis performed by the methods of Morris and e-FAST enabled to better understand the functioning of this epidemic disease and identify the parameters affecting the most dynamic epidemic especially speed extension of the lesions, the incubation period and efficiency of Bayesian .L'approche infection allowed to take into account prior information available for these three parameters that were the statistical inference. The model sensitivity analysis also identified the influence of two parameters related to plant growth: the number of leaves on a plant and rate of leaf emission A dynamic model of space-time Black Sigatoka has been developed at the scale of a territory from surveys enMartinique during the period of invasion of the disease from September 2010 to May 2012. The data collected being censored, inference of model parameters has was performed in a Bayesian framework, using a data augmentation algorithm. The model developed and inference possible to reconstruct the spatiotemporal dynamics of the invasion and predict the end of the invasion territoire.Les two spatio-temporal dynamics models developed at two different spatial scales has been gained important information for build tools design method of control of black Sigatoka of banana.

http://www.theses.fr/2015AGUY0835/document

Éditeur(s) : HAL CCSD
Résumé : The research presented in this thesis aims at determining the possibility of partial or total automatic ship detection in High Resolution optical satellite images. At first, we expose the industrial context of our study, which fixes the constraints in terms of performances and processing time. Then, we present the available satellite data for our study (SPOT 5 panchromatic images of 5m per pixel resolution). Then we detail our approach for ship detection : the first stage is a pre-detection of targets that gives us candidates. The second stage is a precise segmentation of each candidate and the third stage is a classification of candidates. Our pre-detection method is based on the Bayesian decision theory. This pre-detection supplies a set of regions of interests (ROI). Among them, we have ships, but also false alarms due to clouds and to crests of waves. The purpose of the following stage is to eliminate the false alarms and to characterize the pre-detected ships. Then, we detail the method used to segment candidates. It uses active contours and also uses the Bayesian decision theory. After a brief description of the characteristics extracted for the classication of ships, we present the classifier that we used. We complete the ship characterization by presenting two methods of wave ship detection. The first approach uses active contours and the second is based on an a contrario approach. We compare the results of these two approaches. To complete the study and replace it in the industrial and operational context, we present experiments of the complete algorithm on complete images to estimate the performances and the processing time of the whole method.
Les travaux présentés dans cette thèse ont pour but de déterminer la possibilité d'automatiser, partiellement ou totalement, la détection de bateaux à partir d'images satellitaires optiques haute résolution. Nous exposons tout d'abord le contexte industriel dans lequelle s'insère notre étude, qui fixe les contraintes en termes de performances et de temps de traitement. Puis, nous présentons les données satellitaires disponibles dans le cadre de notre étude (images SPOT 5 panchromatique de résolution 5m). Après avoir illustré le contenu des scènes, nous présentons la démarche adoptée pour la détection des navires : une phase de pré-détection suivie d'une étape de segmentation et d'une étape de classification. La méthode de pré-détection utilisée s'appuie sur la théorie bayésienne de la décision. Après avoir présenté le modèle classique, nous discutons du modèle que nous avons utilisé. Cette pré-détection fournit un ensemble de régions d'intérêts. Parmi elles, nous n'avons pas uniquement des bateaux, nous avons également des fausses alarmes dues aux nuages et aux crêtes de vagues. Le but de l'étape suivante est à la fois d'éliminer les fausses alarmes et de caractériser les bateaux pré-détectés. Ensuite, nous détaillons la méthode utilisée pour segmenter les bateaux. Elle s'appuie sur des contours actifs et utilise également la théorie bayésienne de la décision. Après avoir décrit les caractéristiques extraites pour la classification des bateaux, nous présentons le classifieur utilisé. Nous complétons la caractérisation des navires en présentant deux méthodes de détection des sillages différentes des méthodes classiques. La première approche s'appuie sur l'utilisation de contours actifs et la seconde est basée sur une approche a contrario. Nous comparons les résultats des ces deux approches. An de compléter l'étude et se replacer dans le contexte industriel et opérationnel de la thèse, nous présentons des expérimentations de l'ensemble de l'algorithme sur des images complètes pour évaluer les performances et le temps de traitement.
https://tel.archives-ouvertes.fr/tel-00560119

tel-00560119
https://tel.archives-ouvertes.fr/tel-00560119
https://tel.archives-ouvertes.fr/tel-00560119/document
https://tel.archives-ouvertes.fr/tel-00560119/file/These_NadiaProia_Version_Finale.pdf

Éditeur(s) : HAL CCSD INRIA
Résumé : International audience
Computational probabilistic modeling and Bayesian inference has met a great success over the past fifteen years through the development of Monte Carlo methods and the ever increasing performance of computers. Through methods such as Monte Carlo Markov chain and sequential Monte Carlo Bayesian inference effectively combines with Markovian modelling. This approach has been very successful in ecology and agronomy. We analyze the development of this approach applied to a few examples of natural resources management.
La modélisation probabiliste et l'inférence bayésienne computationnelles rencontrent un très grand succès depuis une quinzaine d'années grâce au développement des méthodes de Monte Carlo et aux performances toujours croissantes des moyens de calcul. Au travers d'outils comme les méthodes de Monte Carlo par chaîne de Markov et les méthodes de Monte Carlo séquentielles, l'inférence bayésienne se combine efficacement à la modélisation markovienne. Cette approche est également très répendue dans le domaine de l'écologie et l'agronomie. Nous faisons le point sur les développements de cette approche appliquée à quelques exemples de gestion de ressources naturelles.
ARIMA

inria-00506383
https://hal.inria.fr/inria-00506383
https://hal.inria.fr/inria-00506383/document

Éditeur(s) : HAL CCSD
Résumé : Point processes are often used as spatial or spatio-temporal distribution models of occurrences. In this PhD dissertation, we focus first on Cox processes driven by a hidden process associated with a Dirichlet process. This model corresponds to hidden occurrences influencing the stochastic intensity of observed occurrences. We generalize the notion of "Shot noise Cox process" introduced by M{o}ller and develop its bayesian analysis by a Gibbs sampler combined with a Metropolis-Hastings algorithm. We show that our MCMC method is a reversible jump one. The model takes into account a random number of hidden contributions producing effects on the observed point process intensity. Therefore the parameter space has a variable dimension. We focus the statistical inference on the estimation of the hidden contribution expected value, the hidden contribution expected number, the spatial influence and correlation parameters. The contribution equality test and contribution independence test are proposed. Applications in epidemiology and ecology are shown from extit{Rubus fruticosa} data, extit{Ibicella lutea} data and death number data in counties of Georgia, USA. Two situations are considered with respect to available data~: firstly, the spatial positions of occurrences are observed between several pairs of consecutive dates; secondly, counts are carried out over a fixed time interval in several spatial sampling units. Secondly, we focus on point processes with memory introduced by Kagan, Ogata and Vere-Jones, pioneers in statistical seismology. In fact, spatio-temporal point processes play an important role in the studies of earthquake catalogs since they consist of seismic events with their dates and spatial locations. We studied an ETAS (Epidemic Type Aftershock Sequence) model with time independent background intensity and several triggering functions taking into account previous events. We illustrate our approach with a seismicity study of the Lesser Antilles arc. A comparaison study of Gamma, Weibull, Log-Normal and modified Omori law triggering function models is also carried out. We show that the modified Omori law does not fit the Lesser Antilles seismic data and the best adjusted triggering function is the Weibull model. Consequently, the waiting time between aftershocks is weaker in the Lesser Antilles zone compared to the one in regions with seismicity described by the modified Omori law. In other words, aftershock aggregativity is higher in the Lesser Antilles region. The stochastic background intensity following a Dirichlet process centered on a spatial log-normal process is discussed.
Les processus ponctuels sont souvent utilisés comme modèles de répartitions spatiales ou spatio-temporelles d'occurrences. Dans cette thèse, nous nous intéressons tout d'abord à des processus de Cox dirigés par un processus caché associé à un processus de Dirichlet. Ce modèle correspond à des occurrences cachées influençant l'intensité stochastique des occurrences observées. Nous généralisons la notion de " Shot noise Cox process " introduite par Moller et développons le traitement bayésien par un échantillonneur de Gibbs combiné à un algorithme de Metropolis-Hastings. Nous montrons que cette méthode MCMC est à sauts réversibles. Le modèle prend en compte, en effet, un nombre aléatoire de contributions cachées influençant l'intensité du processus ponctuel observé donc a un espace paramétrique de dimension variable. Nous focalisons l'inférence statistique sur l'estimation de la valeur espérée de chaque contribution cachée, le nombre espéré de contributions cachées, le degré d'influence spatiale de ces contributions et leur degré de corrélation. Le test d'égalité des contributions et celui de leur indépendance sont ainsi développés. L'utilité en épidémiologie et en écologie est alors démontrée à partir de données de Rubus fruticosa, Ibicella lutea et de mortalité dans les cantons de Georgia, USA. En termes de données observées, deux situations sont considérées: premièrement, les positions spatiales des occurrences sont observées entre plusieurs paires de dates consécutives; deuxièmement, des comptages sont effectués, au cours d'une période fixée, dans des unités d'échantillonnage spatiales. D'autre part, nous nous intéressons aux processus ponctuels à mémoire introduits par Kagan, Ogata et Vere-Jones, précurseurs de la statistique sismologique. En effet, les processus ponctuels spatio-temporels ont une place importante dans l'étude des catalogues sismiques puisque ces derniers sont généralement constitués d'événements sismiques datés et géo-référencés. Nous avons étudié un modèle ETAS (Epidemic Type Aftershock Sequence) avec une intensité d'arrière-plan indépendante du temps et plusieurs fonctions déclenchantes permettant d'intégrer les événements antérieurs récents. Cette approche est utilisée pour étudier la sismicité de l'arc des Petites Antilles. Une étude comparative des modèles Gamma, Weibull, Log-Normal et loi d'Omori modifiée pour les fonctions déclenchantes est menée. Nous montrons que la loi d'Omori modifiée ne s'ajuste pas aux données sismiques des Petites Antilles et la fonction déclenchante la plus adaptée est le modèle de Weibull. Cela implique que le temps d'attente entre répliques dans la zone des Petites Antilles est plus faible que celui des régions à sismicité décrite par la loi d'Omori modifiée. Autrement dit, l'agrégation des répliques après un événement majeur est plus prononcée dans la zone des Petites Antilles. La possibilité d'inclure une intensité d'arrière-plan suivant un processus de Dirichlet centré sur un processus spatial log-gaussien est discutée.
https://tel.archives-ouvertes.fr/tel-00841146

Droits : info:eu-repo/semantics/OpenAccess
NNT : 2012AGUY0555
tel-00841146
https://tel.archives-ouvertes.fr/tel-00841146
https://tel.archives-ouvertes.fr/tel-00841146/document
https://tel.archives-ouvertes.fr/tel-00841146/file/these_VALMY.pdf

Résumé : En 2013, Le Groupe d'experts Intergouvernemental sur l'Evolution du Climat (GIEC) publie son cinquième rapport concernant les changements climatiques. Il y est souligné que le réchauffement climatique est sans équivoque, et que de nouvelles émissions de gaz à effet de serre impliqueront une poursuite du réchauffement et des changements affectant toutes les composantes du système climatique. En région tropicale, une hausse de la température, ainsi qu'une intensification des événements de sécheresse et de pluviométrie extrêmes sont à prévoir. C'est dans ce contexte que s'inscrit ce travail, dont le but est d'étudier la réponse de la forêt tropicale à ces changements climatiques prédits en Guyane Française. Pour ce faire, j'ai utilisé les données du dispositif de suivi forestier de Paracou pour construire un modèle de dynamique individuel basé sur les traits fonctionnels des arbres. Un modèle de mortalité a d'abord été réalisé puis couplé à un modèle de croissance.Le modèle couplé ainsi construit permet de modéliser la croissance et la mortalité des arbres sur un pas de temps de 2 ans tout en tenant compte de leur ontogénie et de leurs traits fonctionnels. Ce modèle a d'abord été appliqué aux essences commerciales de Guyane Française en forêt naturelle et exploitée en y ajoutant un indice de stress hydrique. Ceci permet de montrer que le stress hydrique fait baisser la croissance et augmenter la mortalité, tandis que l'exploitation a l'effet inverse. Malgré le signal commun, différentes réponses sont observées selon les espèces. Le modèle a ensuite été appliqué à la communauté en forêt naturelle pour identifier les drivers climatiques et les processus impactés. Il ressort que la croissance est impactée par le stress hydrique et la température, et que la mortalité est impactée par le stress hydrique et la pluviométrie totale.Ces résultats ont enfin permis de construire un modèle complet de dynamique forestière climat dépendant, et de simuler l'évolution d'une communauté pendant un siècle selon différents scénarios correspondant aux prédictions du GIEC. Les simulations mettent en évidence une très forte diminution de la croissance, ainsi qu'une plus faible diminution de la mortalité. Ceci entraine une diminution notable de la surface terrière, du diamètre quadratique et de la biomasse fraiche. Une analyse de sensibilité montre que ces changements sont principalement dus à l'augmentation sévère des températures prédites pour le siècle à venir. Des pistes de réflexion sur les enjeux de modélisation et les échelles considérées sont proposées en discussion de ce travail.
In 2013 the intergovernmental panel on climate change (ipcc) publishes its fifth report. This report underlines that an increase of temperature and a strengthening of drought and extreme rainfall are expected in tropical regions. This work was made in this context of climate changes, and aimed to study the response of the rainforest to predicted climate changes. To do this, i used the data from the study site of Paracou French Guiana to build an individual based dynamics model based on the functional traits of trees. This model was first applied to species with a commercial interest in French Guiana, in natural and logged forest and adding a water stress index as predictor. Water stress decreases growth and increases mortality, while logging had the opposite effect. The model was then applied to the community in natural forest for identifying potential climate drivers and impacted processes. Growth is impacted by the water stress and temperature and mortality is imp acted by the water stress and the total rainfall. These results allowed us to build a climate dependent model of forest dynamics and to run simulations of the evolution of a community under different scenarios for the next century. Simulations showed a decrease of growth and a small decrease of mortality. This resulted in a substantial decrease of basal area, squared diameter and fresh biomass.

http://www.theses.fr/2014AGUY0802/document

Éditeur(s) : HAL CCSD
Résumé : Les processus ponctuels temporel, spatial et spatio-temporel sont utilisés depuis un certain nombre d'années dans des domaines tels que la biologie, l'épidémiologie, la sismologie, la neurologie afin de modéliser des séries d'occurrences d'événements. Notre étude concerne l'apport des modèles de mélange de processus ponctuels dans de telles modélisations. Elle fait également apparaître l'utilité de l'approche bayésienne pour apprécier la variabilité associée à certains facteurs environnementaux. Le lien avec les lois à priori stick-breaking telles que le processus de Dirichlet est présente. Une illustration est fournie avec l'étude de la propagation de la maladie de la feuille jaune de la canne à sucre. La répartition spatio-temporelle des cannes à sucre infectées par le Sugar Cane Yellow Leaf Virus (SCYLV) est étudiée dans une parcelle, saine lors de la plantation, située en Guadeloupe. Notre objectif principal est de caractériser puis de modéliser la dissémination du SCYLV au sein de cette parcelle.
Rencontres de Théo Quant

hal-00684233
https://hal.archives-ouvertes.fr/hal-00684233

Éditeur(s) : HAL CCSD INRIA
Résumé : International audience
Markov chain Monte Carlo (MCMC) methods together with hidden Markov models are extensively used in the Bayesian inference for many scientific fields like environment and ecology. Through simulated examples we show that the speed of convergence of these methods can be very low. In order to improve the convergence properties, we propose a method to make parallel chains interact. We apply this method to a biomass evolution model for fisheries.
Les méthodes de Monte Carlo par chaînes de Markov (MCMC) couplées à des modèles de Markov cachés sont utilisées dans de nombreux domaines, notamment en environnement et en écologie. Sur des exemples simples, nous montrons que la vitesse de convergence de ces méthodes peut être très faible. Nous proposons de mettre en interaction plusieurs algorithmes MCMC pour accélérer cette convergence. Nous appliquons ces méthodes à un modèle d'évolution de la biomasse d'une pêcherie.
ISSN: 1638-5713

inria-00506386
https://hal.inria.fr/inria-00506386
https://hal.inria.fr/inria-00506386/document
https://hal.inria.fr/inria-00506386/file/campillo2008d.pdf