réalisé par Mickaël Bourion au LISC, Cemagref de Clermont Ferrand sous la direction de
description
Transcript of réalisé par Mickaël Bourion au LISC, Cemagref de Clermont Ferrand sous la direction de
-
Gnration de population agricole partir de donnes agrges et dun panel reprsentatif de fermes.ralis parMickal Bourion
au LISC, Cemagref de Clermont Ferrand
sous la direction deThierry Faure
DESS SIAD anne 2001-200210 septembre 2002
-
SommaireIntroductionI. Analyse de donnesII. Les mthodes de gnration de populationIII. LapplicationConclusion - Perspectives
-
Le contexte du stageLe CIAT (Centre International de lAgriculture Tropicale)
Donnes de recensement : Confidentielles ! Seuls sont disponibles:Donnes agrgesEchantillons
Ncessit de crer une application gnrant une population partir de ces donnes
Introduction
-
Objectifs de ltudeDvelopper un outil ralisant la reconstruction de populationUtiliser la population agricole complte du Honduras :Comme exemple pour lapplicationPour tudier ses caractristiques Pour manipuler les mthodes dagrgation
Introduction
-
Spcifications du programmeOutil gnrique (chelles et paramtres variables)
Opration inverse : gnrer une population partir dun chantillon
Programme en sources libres
Localisation en 3 langues
Introduction
-
IntroductionI. Analyse de donnesII. Les mthodes de gnration de populationIII. LapplicationConclusion - Perspectives
-
Prsentation des donnesLe Honduras plus de 300 000 exploitations3 chelles administratives :I. Analyse de donnes
-
Prsentation des donnes
3 matrices de paramtres :
Exploitations (surfaces, usage des terres)
Producteurs (ge, sexe, condition juridique)
Productions (quantits et types)
I. Analyse de donnes
-
Mise en uvre dalgorithmes avec Scilab
Formatage des donnes
Agrgations
Corrlations entre paramtresI. Analyse de donnes
-
RsultatsAgrgationsCorrlations entre paramtres : Donnes trop disparates
I. Analyse de donnes
-
IntroductionI. Analyse de donnesII. Les mthodes de gnration de populationIII. LapplicationConclusion - Perspectives
-
Principe de la mthode utiliseMultiplication des prototypes dun chantillon par des coefficients
Choix optimal de ces coefficients pour respecter les contraintes des donnes agrges
Besoin dun algorithme de minimisation des erreurs
II. Les mthodes de gnration de population
-
Principe de la mthode utiliseII. Les mthodes de gnration de populationPrototype 1Prototype 2Prototype 3Prototype 1Prototype 1Prototype 2Prototype 2Prototype 3Prototype 3Prototype 3Ferme 1Ferme 2Ferme 4Ferme 5Ferme 6Ferme 7Ferme 8Ferme 3P (chantillon)P (pop gnre)P (pop initiale) fermes = 8 productions = 150P (donnes agrges)Prototype 2
-
2 types dalgorithmesAlgorithme quadratique : pour gnrer une population partir dun chantillon.
Algorithme de type Monte Carlo (non analytique) : pour gnrer un chantillon partir dune population entireII. Les mthodes de gnration de population
-
Algorithme de minimisation quadratiqueFormulation du problme
Transformationmin (0.5*xt*Q*x+pt*x) I*x=N
Pour le programme : Algorithme de R
II. Les mthodes de gnration de populationContrainte(s) :+ producteursproductions
-
Algorithmes de type Monte CarloHill climbing
recuit simul (simulated annealing)P(E) = exp (-E / T)
Algorithme gntique
II. Les mthodes de gnration de population
-
IntroductionI. Analyse de donnesII. Les mthodes de gnration de populationIII. LapplicationConclusion - Perspectives
-
Les modules du programmeModule Population
Module StatistiquesModule Minimisation
III. Lapplication
-
Diagramme UMLIII. Lapplication
-
Larborescence de rpertoiresIII. LapplicationPrototype.txtDonnesAgreg.txtInfo.txtProtoGnrs.txt
-
Linterface : onglet populationIII. Lapplication
-
Linterface : Fentre de visualisation de larbreIII. Lapplication
-
Linterface : onglet StatistiquesIII. Lapplication
-
Aspects du module Plan dexprience
III. LapplicationGnration de populationGnration dchantillon Rgion tudie paramtres minimiser types des donnes agrges (qualitatif/ quantitatif)seuil derreur (pour chaque paramtre)
Zone dexplorationAlgorithme 1GnrerAlgorithme 2
-
IntroductionI. Analyse de donnesII. Les mthodes de gnration de populationIII. LapplicationConclusion - Perspectives
-
ConclusionAcquisition de nouveaux outils
Bilan de lanalyse de donnes
Bilan de lapplication - rsultats
Conclusion - Perspectives
-
Perspectives
DocumentationEssais et comparaisons des 2 algorithmesModule plan dexprience
Module Visualisation (Java Analysis Studio)Projet ouvert- Statistiques volues (AFC, Clustering)- ajouts de nouvelles fonctions
Conclusion - Perspectives