Soutenance de thèse d'Antoine CHAPON : Génération stochastique de séries temporelles de pluie pour l’évaluation des risques
Antoine CHAPON soutient sa thèse le 24 novembre 2025, à l’INRS (Québec). Son sujet est :
« Génération stochastique de séries temporelles de pluie pour l’évaluation des risques »
Résumé
Les pluies extrêmes sont la cause principale des inondations. Il est donc nécessaire de modéliser ce phénomène afin d’en estimer le risque. Comme il s’agit d’événements rares, cette modélisation passe par des méthodes statistiques, notamment la théorie des valeurs extrêmes.
Les méthodes et classes de modèles appliquées aux pluies extrêmes sont nombreuses. Cette thèse s’intéresse aux générateurs stochastiques temporels, qui permettent de reproduire les patterns statistiques d’une chronique de pluie observée dans des simulations. Toutes les valeurs de pluie sont considérées par ces modèles, allant des valeurs nulles sans pluie aux valeurs extrêmes. Ces modèles doivent notamment capturer le comportement asymptotique des valeurs les plus rares, afin d’être adaptés à l’estimation du risque.
Deux générateurs stochastiques de séries temporelles de pluie sont développés. Leur point commun est l’utilisation d’une distribution extended generalized Pareto (EGP) modélisant toutes les valeurs non nulles de pluie. Cette distribution est conditionnée aux valeurs passées afin de reproduire la dépendance temporelle des valeurs non nulles. Un élément séparé de la distribution EGP modélise l’intermittence des valeurs nulles et non nulles de pluie.
Le premier générateur stochastique est paramétrique, avec une EGP définie par des distributions tronquées et une copule temporelle pour la dépendance aux valeurs passées. Un second modèle utilise l’apprentissage profond, avec une distribution construite par réseau de neurones afin de définir une EGP conditionnelle aux valeurs passées.
Ces deux modèles reproduisent, dans des simulations, la plupart des patterns statistiques importants pour l’estimation du risque. Ces patterns sont la distribution marginale, la dépendance temporelle, l’intermittence, la variabilité annuelle et le comportement asymptotique des valeurs hautes.
Un troisième modèle bayésien concerne l’imputation de valeurs manquantes dans une série temporelle, via une approche de régionalisation. Les développements de ce modèle sont partiellement réutilisés dans le générateur stochastique paramétrique.
Composition du jury
- Félix Francés, Professor in Hydrology, Universitat Politècnica de València
- Thomas Opitz, Chercheur à l’INRAE Avignon