{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/6521"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/6521","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Modélisation bayésienne non-stationnaire des événements hydrométéorologiques extrêmes au Nouveau-Brunswick","abstract":"La fréquence et l'intensité des événements hydrométéorologiques extrêmes ont augmenté ces dernières décennies. Ces événements sont variables dans le temps et dans l'espace. Cette variabilité est due à un ensemble de processus physiques liés entre eux, ce qui complique la compréhension et l'analyse de ces événements rares. La corrélation entre les processus physiques et les facteurs impliqués dans la génération d'un événement extrême doit être prise en considération dans une estimation de ce genre d'événement. Il est done important de prendre en considération le lien entre les paramètres explicatifs d'un événement hydrométéorologique extrême pour une estimation optimale. L'analyse et la compréhension d'un événement rare demande l'utilisation des outils qui aide à analyser et simuler les processus physiques explicatifs, pour des périodes de recurrence futures. Ces outils peuvent être des outils déterministes comme les modèles hydrologiques ou aussi des outils statistiques. L'outil de modélisation statistique classique est l'analyse fréquentielle (AF) stationnaire qui nécessite la vérification de l'hypothèse de stationnarité, d'homogénéité et d'indépendance des données observées. Selon la théorie des valeurs extrêmes, et dans le cas de l'approche des Blocs des maximas (BM), les données extrêmes suivent une distribution des valeurs extrêmes généralisée (GEV) qui dépend de trois paramètres à savoir: le paramètre de position, le paramètre d'échelle et le parametre de forme. Dans le cas de l' AF stationnaire, différentes méthodes ont été développées pour estimer ces paramètres, telles que la méthode de maximum de vraisemblances (Maximum Likelihood, ML), la méthode des moments (Moment Method, MM) et la méthode des moments de probabilité pondérés (Probability Weighted Moments, PWM).","abstract_html":"La fréquence et l'intensité des événements hydrométéorologiques extrêmes ont augmenté ces dernières décennies. Ces événements sont variables dans le temps et dans l'espace. Cette variabilité est due à un ensemble de processus physiques liés entre eux, ce qui complique la compréhension et l'analyse de ces événements rares. La corrélation entre les processus physiques et les facteurs impliqués dans la génération d'un événement extrême doit être prise en considération dans une estimation de ce genre d'événement. Il est done important de prendre en considération le lien entre les paramètres explicatifs d'un événement hydrométéorologique extrême pour une estimation optimale. L'analyse et la compréhension d'un événement rare demande l'utilisation des outils qui aide à analyser et simuler les processus physiques explicatifs, pour des périodes de recurrence futures. Ces outils peuvent être des outils déterministes comme les modèles hydrologiques ou aussi des outils statistiques. L'outil de modélisation statistique classique est l'analyse fréquentielle (AF) stationnaire qui nécessite la vérification de l'hypothèse de stationnarité, d'homogénéité et d'indépendance des données observées. Selon la théorie des valeurs extrêmes, et dans le cas de l'approche des Blocs des maximas (BM), les données extrêmes suivent une distribution des valeurs extrêmes généralisée (GEV) qui dépend de trois paramètres à savoir: le paramètre de position, le paramètre d'échelle et le parametre de forme. Dans le cas de l' AF stationnaire, différentes méthodes ont été développées pour estimer ces paramètres, telles que la méthode de maximum de vraisemblances (Maximum Likelihood, ML), la méthode des moments (Moment Method, MM) et la méthode des moments de probabilité pondérés (Probability Weighted Moments, PWM).","abstract_has_math":false,"creators":["Yousfi, Nawres"],"institution":"Université de Moncton,","degree_name":"Maîtrise ès sciences appliquées","degree_level":"2e cycle","degree_discipline":"Faculté d'ingénierie","degree_department":null,"school":null,"contributors":[],"advisors":["Laroche, Anne-Marie","El Adlouni, Salah-Eddine"],"committee_chairs":[],"committee_members":[],"year":2016,"date_issued":"2016","date_published":"2016","updated_at":"2026-07-24T03:09:44Z","subjects":["Extrêmes (Météorologie)","Modèles mathématiques","Hydrométéorologie","Hydrologie","Méthodes statistiques","Courbes des fréquences","Théorie des splines","Théorie de la décision bayésienne","Optimisation mathématique"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 984650797"],"render_values":[{"text":"oclc: 984650797","href":null,"code":true}]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1836"],"render_values":[{"text":"umir:1836","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/6521","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Laroche, Anne-Marie","El Adlouni, Salah-Eddine"]},{"key":"dc:creator","label":"Author","values":["Yousfi, Nawres"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T17:54:34Z","2025-05-13T20:53:10Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T17:54:34Z","2025-05-13T20:53:10Z"]},{"key":"dc:date.issued","label":"Date","values":["2016"]},{"key":"dc:publisher","label":"Institution","values":["Université de Moncton,"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Faculté d'ingénierie"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences appliquées"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Extrêmes (Météorologie)","Modèles mathématiques","Hydrométéorologie","Hydrologie","Méthodes statistiques","Courbes des fréquences","Théorie des splines","Théorie de la décision bayésienne","Optimisation mathématique"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 984650797"]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1836"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/6521"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["La fréquence et l'intensité des événements hydrométéorologiques extrêmes ont augmenté ces dernières décennies. Ces événements sont variables dans le temps et dans l'espace. Cette variabilité est due à un ensemble de processus physiques liés entre eux, ce qui complique la compréhension et l'analyse de ces événements rares. La corrélation entre les processus physiques et les facteurs impliqués dans la génération d'un événement extrême doit être prise en considération dans une estimation de ce genre d'événement. Il est done important de prendre en considération le lien entre les paramètres explicatifs d'un événement hydrométéorologique extrême pour une estimation optimale. L'analyse et la compréhension d'un événement rare demande l'utilisation des outils qui aide à analyser et simuler les processus physiques explicatifs, pour des périodes de recurrence futures. Ces outils peuvent être des outils déterministes comme les modèles hydrologiques ou aussi des outils statistiques. L'outil de modélisation statistique classique est l'analyse fréquentielle (AF) stationnaire qui nécessite la vérification de l'hypothèse de stationnarité, d'homogénéité et d'indépendance des données observées. Selon la théorie des valeurs extrêmes, et dans le cas de l'approche des Blocs des maximas (BM), les données extrêmes suivent une distribution des valeurs extrêmes généralisée (GEV) qui dépend de trois paramètres à savoir: le paramètre de position, le paramètre d'échelle et le parametre de forme. Dans le cas de l' AF stationnaire, différentes méthodes ont été développées pour estimer ces paramètres, telles que la méthode de maximum de vraisemblances (Maximum Likelihood, ML), la méthode des moments (Moment Method, MM) et la méthode des moments de probabilité pondérés (Probability Weighted Moments, PWM)."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic","sans médiatio","volume"]},{"key":"dc:title","label":"Title","values":["Modélisation bayésienne non-stationnaire des événements hydrométéorologiques extrêmes au Nouveau-Brunswick"]}]}],"canonical_facts":{"dc:contributor.advisor":["Laroche, Anne-Marie","El Adlouni, Salah-Eddine"],"dc:creator":["Yousfi, Nawres"],"dc:date.accessioned":["2024-12-20T17:54:34Z","2025-05-13T20:53:10Z"],"dc:date.available":["2024-12-20T17:54:34Z","2025-05-13T20:53:10Z"],"dc:date.issued":["2016"],"dc:description.abstract":["La fréquence et l'intensité des événements hydrométéorologiques extrêmes ont augmenté ces dernières décennies. Ces événements sont variables dans le temps et dans l'espace. Cette variabilité est due à un ensemble de processus physiques liés entre eux, ce qui complique la compréhension et l'analyse de ces événements rares. La corrélation entre les processus physiques et les facteurs impliqués dans la génération d'un événement extrême doit être prise en considération dans une estimation de ce genre d'événement. Il est done important de prendre en considération le lien entre les paramètres explicatifs d'un événement hydrométéorologique extrême pour une estimation optimale. L'analyse et la compréhension d'un événement rare demande l'utilisation des outils qui aide à analyser et simuler les processus physiques explicatifs, pour des périodes de recurrence futures. Ces outils peuvent être des outils déterministes comme les modèles hydrologiques ou aussi des outils statistiques. L'outil de modélisation statistique classique est l'analyse fréquentielle (AF) stationnaire qui nécessite la vérification de l'hypothèse de stationnarité, d'homogénéité et d'indépendance des données observées. Selon la théorie des valeurs extrêmes, et dans le cas de l'approche des Blocs des maximas (BM), les données extrêmes suivent une distribution des valeurs extrêmes généralisée (GEV) qui dépend de trois paramètres à savoir: le paramètre de position, le paramètre d'échelle et le parametre de forme. Dans le cas de l' AF stationnaire, différentes méthodes ont été développées pour estimer ces paramètres, telles que la méthode de maximum de vraisemblances (Maximum Likelihood, ML), la méthode des moments (Moment Method, MM) et la méthode des moments de probabilité pondérés (Probability Weighted Moments, PWM)."],"dc:format":["application/pdf"],"dc:format.medium":["electronic","sans médiatio","volume"],"dc:identifier":["oclc: 984650797"],"dc:identifier.other":["umir:1836"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/6521"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Université de Moncton,"],"dc:rights":["Author"],"dc:subject":["Extrêmes (Météorologie)","Modèles mathématiques","Hydrométéorologie","Hydrologie","Méthodes statistiques","Courbes des fréquences","Théorie des splines","Théorie de la décision bayésienne","Optimisation mathématique"],"dc:title":["Modélisation bayésienne non-stationnaire des événements hydrométéorologiques extrêmes au Nouveau-Brunswick"],"dc:type":["Text","thèse"],"thesis:degree_discipline":["Faculté d'ingénierie"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences appliquées"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:09:44Z"}