Aicha Ben Dhia (CFM): Prédire les futures vagues de chaleur grâce à un simple ajustement statistique 
Résumé : Pour savoir à quels types de phénomènes météorologiques extrêmes nous devrons faire face avec la hausse des températures, on s’appuie généralement sur des modèles de circulation générale. Ces modèles climatiques sont l’outil le plus complet et le plus fiable pour décrire la complexité des phénomènes climatiques. Mais cette complexité a des inconvénients importants : ces modèles sont très lourds en calcul, lents à exécuter et exigent un haut niveau d’expertise pour être manipulés. Au Resilience Lab, nous avons adopté une approche radicalement différente et construit des prédictions simples en extrapolant des séries temporelles de température. Nous parvenons ainsi à estimer la probabilité d’atteindre 50 °C à Paris dans les années à venir, ainsi que dans plusieurs autres endroits du monde. Nous réalisons plusieurs étapes de vérification pour tester la « robustesse » de ces résultats.

Théo Leblanc (Ceremade) : Introduction aux séries temporelles et à leur estimation statistique

Résumé : Dans cet exposé nous introduirons les principaux concepts nécessaires à la modélisation des séries temporelles, avec un intérêt particulier pour les processus AutoRégressifs (AR). Nous présenterons différentes méthodes d’estimation des paramètres caractérisant ces processus, ainsi que les principales composantes et propriétés des séries temporelles. Nous aborderons notamment les outils permettant d’estimer et d’analyser les dépendances temporelles présentes dans les données.

Séminaire Math – Environnement