Zum Hauptinhalt springen

Suchergebnisse

UB Katalog
Ermittle Trefferzahl…

Artikel & mehr
12.387 Treffer

Suchmaske

Suchtipp für den Bereich Artikel & mehr: Wörter werden automatisch mit UND verknüpft. Eine ODER-Verknüpfung erreicht man mit dem Zeichen "|", eine NICHT-Verknüpfung mit einem "-" (Minus) vor einem Wort. Anführungszeichen ermöglichen eine Phrasensuche.
Beispiele: (burg | schloss) -mittelalter, "berufliche bildung"

Das folgende Suchfeld wird hier nicht unterstützt: "Signatur / Strichcode".

Suchergebnisse einschränken oder erweitern

Erscheinungszeitraum

Mehr Treffer

Weniger Treffer

Gefunden in

Art der Quelle

Schlagwort

Verlag

Publikation

Sprache

Geographischer Bezug

12.387 Treffer

Sortierung: 
  1. Approach for Meta-Modeling and Sensitivity Analysis of Computational Codes in the Presence of Dependent Random Variables. Application to a design tool for vegetated strips ; La contamination des ressources en eau par les pesticides est un problème de plus en plus préoccupant en France. Pour lutter contre ce phénomène, les zones tampons végétalisées, en particulier les bandes enherbées, sont reconnues comme des solutions efficaces pour réduire le transfert des pesticides depuis les parcelles agricoles vers les milieux aquatiques par le ruissellement et le transport de matières en suspension. Cependant, l’efficacité de ces bandes dépend de plusieurs facteurs, notamment leur dimensionnement, les caractéristiques de sol et de climat. Le dimensionnement des bandes tampons est un enjeu majeur pour maximiser l’atténuation du ruissellement tout en minimisant l’impact sur l’usage des terres agricoles. Pour répondre à ce défi, le laboratoire Riverly d’INRAE a développé un outil de modélisation appelé BUVARD-MES [7, 2] (BUffer strip for runoff Attenuation and pesticides Retention Design), qui tient compte non seulement de l’abattement d’eau, mais également du transport des matières ensuspension (MES) et des pesticides associés. Ce modèle comporte deux groupes indépendants de paramètres d’entrée : un groupe de variables indépendantes et un groupe, dit de Van Genuchten [6], de variables dépendantes. En raison de la complexité résultant du grand nombre de variables d’entrée, il est nécessaire de commencer par une analyse de sensibilité, suivie d’une étape de métamodélisation, pour faciliter l’utilisation du code de calcul.Dans ces travaux, on propose de tester la pertinence de plans d’expériences adaptés à la prise en compte de la dépendance lors de l’analyse de sensibilité du modèle. Pour atteindre cet objectif, nous proposons une nouvelle approche basée sur la quantification vectorielle, qui s’avère être un outil efficace pour la création d’un plan d’expérience. La quantification vectorielle nous permet de représenter l’espace des paramètres tout en préservant les dépendances entre les variables, contrairement à des techniques classiques couramment utilisées telles que le Latin Hypercube Sampling (LHS) [3], qui supposent l’indépendance des paramètres. Nous utilisons le test d’indépendance HSIC [1] sur le modèle original pour identifier les paramètres les plus influents afin de réduire la dimension du modèle. Ensuite, nous entraı̂nons un métamodèle (modèle statistique plus rapide à évaluer) basé sur la régression par processus gaussiens [4], et, à partir d’échantillons de dimension réduite, calculons les indices de Sobol [5] pour classer lesfacteurs d’entrée importants. Les résultats obtenus avec la quantification vectorielle sont différents de ceux obtenus avec le classique LHS. Cela souligne l’importance de la prise en compte des relations entre les variables d’entrée, relations permettant de respecter les contraintes physiques du modèle BUVARD-MES. Références[1] A. Gretton, K. Fukumizu, C. Teo, L. Song, B. Schölkopf, and A. Smola. “A Kernel Statistical Test of Independence”. In: Advances in Neural Information Processing Systems. Vol. 20. Curran Associates, Inc., 2007. url: https://proceedings.neurips.cc/paper_files/paper/2007/hash/d5cfead94f5350c12c322b5b664544c1-Abstract.html.[2] C. Lauvernet and C. Helbert. “Metamodeling methods that incorporate qualitative variables for improved design of vegetative filter strips”. In: Reliability Engineering System Safety 204 (2020), p. 107083. issn: 0951-8320. doi: https://doi.org/10.1016/j.ress.2020.107083. url: https://www.sciencedirect.com/science/article/pii/S0951832020305846.[3] M. D. McKay, R. J. Beckman, and W. J. Conover. “A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code”. In:Technometrics 21.2 (1979), pp. 239–245. issn: 00401706. url: http://www.jstor.org/stable/1268522.[4] C. E. Rasmussen and C. K. I. Williams. Gaussian Processes for Machine Learning. The MIT Press, Nov. 2005. isbn: 9780262256834. doi:10.7551/mitpress/3206.001.0001. [5] I. Sobol. “Sensitivity Estimates for Nonlinear Mathematical Models”. In: 1993. url: https://www.semanticscholar.org/paper/Sensitivity-Estimates-for-Nonlinear-Mathematical-Sobol/3e0b415213a580254226fdbcbfc9980b70dd0468.[6] M. Van Genuchten. “A Closed-form Equation for Predicting the Hydraulic Conductivity of Unsaturated Soils”. In: Soil Science Society of America Journal 44 (Sept. 1980). doi:10.2136/sssaj1980.03615995004400050002x.[7] F. Veillon, N. Carluer, C. Lauvernet, and M. Rabotin. “BUVARD-MES : Un outil en ligne pour dimensionner les zones tampons enherbées afin de limiter les transferts de pesticides vers les eaux de surface”. In: 50e congrès du Groupe Français des Pesticides. 50e congrès du Groupe Français des Pesticides (NAMUR). 2022.
    Lambert, Guerlain ; Helbert, Céline ; et al.
    In: Rencontres annuelles du réseau Mexico ; https://hal.inrae.fr/hal-04389058 ; Rencontres annuelles du réseau Mexico, Réseau Mexico, Dec 2023, Palaiseau (France), 2023
    Online Konferenz
  2. Hazard, Laurent ; Rey, Frédéric ; et al.
    In: ISSN: 1958-5853, 2023
    Online academicJournal
  3. Ballu, Agathe ; Despréaux, Philomène ; et al.
    In: ISSN: 2399-3642 ; Communications Biology ; https://hal.inrae.fr/hal-04005837 ; Communications Biology, 2023, 2023
    Online academicJournal
  4. Haberbusch, Benoît ; Centre de recherche de l'École des officiers de la gendarmerie nationale (CREOGN)
    In: Les Notes du CREOGN ; https://hal.science/hal-04023052 ; Les Notes du CREOGN, 2023, 81, 2023
    Online academicJournal
  5. Hérisson, David ; Auguste, Patrick ; et al.
    In: ISSN: 1142-2904, 2023
    Online academicJournal
  6. Thasod, Yupa ; Jongboriboon, Artit ; et al.
    In: ISSN: 0753-3969 ; Annales de Paléontologie ; https://hal.science/hal-04506692 ; Annales de Paléontologie, 2024, 110 (1), pp.102650. ⟨10.1016/j.annpal.2023.102650⟩, 2024
    academicJournal
  7. Fady, Bruno ; Ecologie des Forêts Méditerranéennes (URFM) ; et al.
    In: ISSN: 1950-6244 ; Le Monde.fr ; https://hal.inrae.fr/hal-04121968 ; Le Monde.fr, 2022, 2022
    Online academicJournal
  8. Sira, Christophe ; Schaming, Marc ; et al.
    In: https://hal.science/hal-04078058 ; Ecole et observatoire des sciences de la Terre; Centre national de la recherche scientifique; Université de Strasbourg. 2022, 2022
    Online report
  9. Poggi, Sylvain ; Le Cointe, Ronan ; et al.
    In: ISSN: 1164-6993 ; Phytoma la Défense des Végétaux ; https://hal.inrae.fr/hal-02623232 ; Phytoma la Défense des Végétaux, 2018, 717, pp. 37-40 ; https://www6.rennes.inra.fr/igepp, 2018
    Online academicJournal
  10. Winiarski, Thierry ; Weit, Anne ; et al.
    In: https://hal.science/hal-03750524 ; [Rapport de recherche] ENTPE. 2022, 2022
    Online report
  11. Beauvais, François ; Cantat, Olivier ; et al.
    In: ISSN: 1996-3041, 2021
    academicJournal
  12. Tranoy, Laurence ; Brassous, Laurent ; et al.
    In: https://hal.science/hal-04016147 ; Lienss, INP Tunis; Ecole française de Rome, Casa de Velazquez. 2022, 2022
    Online report
  13. Diagne, Christophe ; Turbelin, Anna, J. ; et al.
    In: ISSN: 1619-0033 ; NeoBiota ; https://hal.science/hal-03410320 ; NeoBiota, 2021, 67, pp.11 - 51. ⟨10.3897/neobiota.67.59132⟩ ; https://neobiota.pensoft.net/article/59132, 2021
    Online academicJournal
  14. Poulard, Christine ; Leblois, Etienne ; et al.
    In: Assises nationales des risques naturels ; https://hal.inrae.fr/hal-02609624 ; Assises nationales des risques naturels, Mar 2019, Montpellier, France. pp.1, 2019
    Online Konferenz
  15. Réveillet, Marion ; Tuzet, François ; et al.
    In: https://hal.science/hal-03216273 ; [Rapport Technique] CNRM, Université de Toulouse, Météo-France, CNRS. 2021, 2021
    Online report
  16. Loubet, Benjamin ; Jarosz, Nathalie ; et al.
    In: AIP-INRA "OGM et Environnement" ; https://hal.inrae.fr/hal-02759376 ; AIP-INRA "OGM et Environnement", 2002, Versailles, France, 2002
    Online Konferenz
  17. Azais, Philippe ; Guillemoles, Jean-François ; et al.
    In: https://hal.science/hal-04119984 ; 2023, 2023
    Online unknown
  18. Agnan, Yanick ; Alletto, Lionel ; et al.
    In: 49ème congrès du Groupe Français de recherche sur les pesticides ; https://hal.science/hal-03764167 ; 49ème congrès du Groupe Français de recherche sur les pesticides, May 2019, Montpellier, France. 23p, 2019
    Konferenz
  19. Piutti, Séverine ; Laurent, Fabrice ; et al.
    In: 31. Congrès du Groupe Français des Pesticides ; https://hal.inrae.fr/hal-02762403 ; 31. Congrès du Groupe Français des Pesticides, May 2001, Lyon, France, 2001
    Online Konferenz
  20. Rousset, S. ; Petit, Kévin ; et al.
    In: ISSN: 2104-5771, 2012
    Online academicJournal
xs 0 - 576
sm 576 - 768
md 768 - 992
lg 992 - 1200
xl 1200 - 1366
xxl 1366 -