Search

Supervised and unsupervised classification is crucial in many areas where different types of data sets are common, such as biology, medicine, or industry, among others. A key consideration is that some units are more typical of the group they belong to than others. For this reason, fuzzy classification approaches are necessary. In this paper, a fuzzy supervised classification method, which is based on the construction of prototypes, is proposed. The method obtains the prototypes from an objective function that includes label information and a distance-based depth function. It works with any distance and it can deal with data sets of a wide nature variety. It can further be applied to data sets where the use of Euclidean distance is not suitable and to high-dimensional data (data sets in which the number of features is larger than the number of observations , often written as ). In addition, the model can also cope with unsupervised classification, thus becoming an interesting alternative to other fuzzy clustering methods. With synthetic data sets along with high-dimensional real biomedical and industrial data sets, we demonstrate the good performance of the supervised and unsupervised fuzzy proposed procedures. more...

Les modèles hydrologiques sont des outils indispensables et largement utilisés pour la prévision des variables hydrologiques, gestion de réservoirs, prise de décision ou encore pour améliorer la compréhension des processus régissant le cycle hydrologique d’un bassin versant. Ces outils sont des ensembles d’équations mathématiques qui décrivent et représentent de manière relativement simple les processus hydrologiques occurrents dans un bassin versant. Chaque modèle inclut plusieurs paramètres pour décrire l’état du système en question. Certains de ces paramètres sont conceptuels ou indisponibles par mesure directe et nécessitent une estimation à partir de données historiques avant de mettre en place le modèle. Ce processus d’estimation des paramètres est appelé calibration. Cette tâche est complexe et présente beaucoup de difficultés à cause des incertitudes liées à la structure du modèle, aux intrants du modèle et aux données historiques de débits. La calibration du modèle impacte sa fiabilité, sa précision et sa performance à reproduire les mécanismes du système étudié ainsi que ses prédictions des variables hydrologiques. Étant donné ces impacts, il y a une nécessité de définir une stratégie de calibration efficace et performante. C’est dans cet esprit que s’inscrit l’objectif de cette thèse qui consiste à améliorer et proposer de nouvelles approches pour la calibration automatique des modèles hydrologiques. Les méthodes développées sont appliquées au modèle hydrologique conceptuel semi-distribué CEQUEAU et pourraient être appliquées à n’importe quel autre modèle. Trois bassins versants au Canada sont considérés à savoir le bassin du lac St-Jean situé au Québec, la rivière du Nechako en Colombie-Britannique et le ruisseau Catamaran au Nouveau-Brunswick. Les travaux de recherches menés visent à atteindre cinq objectifs spécifiques reliés à différents axes de la calibration: 1) définir une procédure d’optimisation robuste, 2) définir une mesure de performance fiabl more...

Models are important tools for understanding the hydrological processes that govern water transport in the landscape and for prediction at times and places where no observations are available. The degree of trust placed on models, however, should not exceed the quality of the data they are fed with. The overall aim of this thesis was to tune the modeling process to account for the uncertainty in the data, by identifying robust parameter values using methods from computational geometry. The methods were developed and tested on data from the Choluteca River basin in Honduras. Quality control of precipitation and discharge data resulted in a rejection of 22% percent of daily raingage data and the complete removal of one out of the seven discharge stations analyzed. The raingage network was not found sufficient to capture the spatial and temporal variability of precipitation in the Choluteca River basin. The temporal variability of discharge was evaluated through a Monte Carlo assessment of the rating-equation parameter values over a moving time window of stage-discharge measurements. Al hydrometric stations showed considerable temporal variability in the stage-discharge relationship, which was largest for low flows, albeit with no common trend. The problem with limited data quality was addressed by identifying robust model parameter values within the set of well-performing (behavioral) parameter-value vectors with computational-geometry methods. The hypothesis that geometrically deep parameter-value vectors within the behavioral set were hydrologically robust was tested, and verified, using two depth functions. Deep parameter-value vectors tended to perform better than shallow ones, were less sensitive to small changes in their values, and were better suited to temporal transfer. Depth functions rank multidimensional data. Methods to visualize the multivariate distribution of behavioral parameters based on the ranked values were developed. It was shown that, by project, Modeller är viktiga verktyg för att förstå de hydrologiska processer som bestämmer vattnets transport i landskapet och för prognoser för tider och platser där det saknas mätdata. Graden av tillit till modeller bör emellertid inte överstiga kvaliteten på de data som de matas med. Det övergripande syftet med denna avhandling var att anpassa modelleringsprocessen så att den tar hänsyn till osäkerheten i data och identifierar robusta parametervärden med hjälp av metoder från beräkningsgeometrin. Metoderna var utvecklade och testades på data från Cholutecaflodens avrinningsområde i Honduras. Kvalitetskontrollen i nederbörds- och vattenföringsdata resulterade i att 22 % av de dagliga nederbördsobservationerna måste kasseras liksom alla data från en av sju analyserade vattenföringsstationer. Observationsnätet för nederbörd befanns otillräckligt för att fånga upp den rumsliga och tidsmässiga variabiliteten i den övre delen av Cholutecaflodens avrinningsområde. Vattenföringens tidsvariation utvärderades med en Monte Carlo-skattning av värdet på parametrarna i avbördningskurvan i ett rörligt tidsfönster av vattenföringsmätningar. Alla vattenföringsstationer uppvisade stor tidsvariation i avbördningskurvan som var störst för låga flöden, dock inte med någon gemensam trend. Problemet med den måttliga datakvaliteten bedömdes med hjälp av robusta modellparametervärden som identifierades med hjälp av beräkningsgeometriska metoder. Hypotesen att djupa parametervärdesuppsättningar var robusta testades och verifierades genom två djupfunktioner. Geometriskt djupa parametervärdesuppsättningar verkade ge bättre hydrologiska resultat än ytliga, var mindre känsliga för små ändringar i parametervärden och var bättre lämpade för förflyttning i tiden. Metoder utvecklades för att visualisera multivariata fördelningar av välpresterande parametrar baserade på de rangordnade värdena. Genom att projicera längs en gemensam dimension, kunde multivariata fördelningar av välpresterande parametrar hos more...