Bonjour,

Je préfère poser ma question ici plutôt que dans le forum Question-Réponses, si c'est innaproprié n'hésitez pas à le déplacer...
Comme c'est mon premier message, mini présentation : je suis informaticien de formation et je me suis découvert une passion récente pour la météorologie/climatologie.

J'ai exploré un certain nombre de documents en ligne et d'ouvrages de vulgarisation, mais mes recherches se font un peu à tatons...

Je souhaiterais savoir si il a été envisagé d'utiliser les Automates Cellulaires pour la modélisation des phénomènes locaux, de la météo, ou du climat.

L'étude des Automates Cellulaires en informatique à permis de montrer qu'un ensemble d'éléments indépendants et autonomes, animés par des règles de comportement simples et identiques pour tous, pouvait faire surgir des comportements globaux au système.
( L'exemple le plus connu est le Game of Life de Conway, des règles ultra simples et des comportements emmergeants)

Plus récemment il a été question d'utiliser les Automates Cellulaires pour simuler des systèmes complexes, dans des domaines aussi variés que la conscience artificielle, les feux de forêts, ou la propagation des virus.

Serait-il possible de les utiliser pour la météorologie ?


J'ai cru comprendre que l'on resolvait l'ensemble des équations du modèle pour une coordonée x,y,z au temps t, en fonction des conditions initiales du temps t-1. ( Sans parler pour l'instant de paramétrisations ou de forçages)

Ma question porte principalement sur l'implémentation de cette résolution.

Dans une conception Automates Cellulaires, l'état d'une cellule ( donc ici, d'un cube de la maille ) au step n, dépend de l'état, au step n-1, des cellules environnantes. (On peut y inclure la cellule elle-même ou pas, inclure seulement les 6 cellules adjacentes ou tout le voisinnage de 26 cellules, ou encore une zone plus large en pondérant les effets avec la distance)

Chaque cellule est indépendante et réagit de façon déterministe aux conditions de son entourage.

Les phénomènes sous maille pourraient être ainsi intégrés au cas par cas de façon interne et autonome. (j'avoue ne pas avoir encore compris comment ils étaient intégrés dans les implémentations actuelles)

Il est possible d'injecter automatiquement une certaine spécialisation géométrique aux cellules, de façon à ce que leur programme soit au plus près de la réalité. (Par exemple une cellule 20 niveaux sous l'océan ne répondrait pas de la même façon à une augmentation de température qu'une cellule à 20 niveaux au dessus de la surface.)


Je ne sais pas si cela représenterait une simple différence d'implémentation ou de conception, si ce serait envisageable ou non, c'est là le but de mon message.

Je recherche donc des informations sur les méthodes utilisées concrètement dans la résolution des modèles en météo/climato, éventuellement un logiciel open-source permettant de faire des simulations à petite échelle...
ou toute information sur le sujet.

Merci d'avance

Éléments de réponse :

À la fin des années 1960, on a tenté sans succès d'utiliser la machine perceptron.

Une recherche très simple avec les quatre mots : réseaux neurones prévision météo
sur Google donne des résultats assez contrastés et trop nombreux à lister ici.

Bonjour et bienvenu.

Comme tu le décris, cela ressemble bcp au fonctionnement d'un modèle actuel et je ne vois pas trop en quoi l'approche "automates cellulaires" change la donne. Dans les modèles :
- tu as déjà des cellules
- elles réagissent déjà aux cellules adjacentes (soit en fonction de la physique de base - conservation énergie, qtté mouvement, masse, attraction, Coriolis, etc. - soit en fonction de formules de paramétrisation)
- elles sont déjà modulables en densité (plus de cellules dans les zones importantes des échanges)
...

Sinon, MeteoFun a récemment donné une kyrielle de liens sur les modèles, avec pas mal de détails sur leur fonctionnement et programmation. C'est ici :
http://forums.infoclimat.fr/index.php?s=&a...st&p=407937

Merci pour vos réponses,




Un peu comme pour mes propres recherches, il y a très peu d'articles traitant à la fois des réseaux de neurones et de la prévision en météorologie... (Mis à part sur la croissance de végétation ou sur des situations relevant plus de sciences des écosystèmes)





Je vais tenter de mieux préciser ce qui me parait fondamentalement différent.

Dans les techniques actuelles, nous avons un ensemble d'équations représentant le comportement de l'atmosphère vue comme une entité. Celle-ci étant un système extrèmement complexe, on se retrouve avec une description formelle d'une complexité incroyable.

Selon la formule de Vilhelm Bjerknes trouvée au hasard d'un pdf:
on doit connaître avec une précision suffisante les lois selon lesquelles un état de l'atmosphère se développe à partir de l'état précédent.

J'en conclu que le modèle est très détaillé et qu'il fonctionne sur la globalité de l'atmosphère, resolvant cet énorme système une fois à chaque étape temporelle.

C'est donc une conception Top-down, on fait un calcul global qui nous donne des résultats locaux.


Dans une modélisation par Automates Cellulaires, il n'y a pas de représentation de l'atmosphère en tant que telle. On se concentre seulement sur les interactions locales. Cela simplifie énormément les calculs, mais on doit les faire pour chaque cellule.

On se retrouve avec une résolution Bottom-up, les interactions locales font emmerger des tendances globales, tendances qui n'avaient pas été codées explicitement dans le système.

L'avantage principal est que les interactions locales sont mieux connues et plus faciles à implémenter que les lois régissant le système entier puisqu'elles en sont un sous ensemble.
L'autre avantage est conceptuel, la modélisation est moins ad-hoc dans sa représentation du système complet.
Je suis aussi à peu près sûr qu'il y aurait un avantage du point de vue de la complexité générale du calcul...




Oui ! je les ai vus après avoir posté mon message initial. C'est excellent, une vraie mine d'informations

Merci

Comprends pas ton truc là.
On te dit que le système climatique n'est pas envisagé dans son ensemble mais à partir de cellules de petites dimensions.
On est donc dans un système "bottom-up" comme tu le dis.
Je ne vois pas bien la différence entr'une cellule telle qu'elle est utilisée dans la modélisation atmosphérique et tes "automates cellulaires".
C'est pas très clair.

Ok, merci de me corriger si besoin,

La modélisation classique décrit le système par un ensemble de variables et un ensemble d'équations qui établissent des relations entre ces variables.
(Pour nous les variables vont être la t°, la pression, les coordonnées etc...)
(Certaines variables sont des variables d'entrée, d'autres de sortie, d'autres sont aléatoires, etc...)

Nous résolvons le système à l'aide des valeurs réelles des cellules. C'est à dire que chaque cellule va devenir une contribution à un ensemble géant d'équations, dans lequel il ne restera plus que les variables de sorties qui seront inconnues.

En résolvant ce système géant, c'est à dire en estimant les données de sortie, nous faisons passer l'atmosphère d'un état à un autre.

Les principales différences tiennent au fait que dans cette modélisation classique,
. Les données sont toutes mutualisées avant la résolution.
. Le système est construit pour modéliser des comportements dynamiques de grande échelle.


D'autre part, j'ai fini par trouver un exemple en dynamique des fluides: Les méthodes Lattice-Boltzmann. Au lieu de résoudre les équations représentant les propriétés à grande échelle du système, elles se concentrent sur les interactions individuelles de particules fictives.


A noter que je n'ai aucun avis à priori sur l'efficacité d'une méthode par rapport à l'autre, je ne fais que me poser des questions...
En particulier, je pense que cela pourrait être intéressant pour exprimer l'évolution statistique du système, mais difficile pour établir des prévisions du monde réel...

merci

Bonjour,
Pour avoir travaillé longtemps sur les éléments finis, je ne suis pas trop d'accord avec toi.
- La modélisation classique, que ce soit météo ou climatique, ce n'est ni plus ni moins qu'un découpage en grille avec les variables initialisées pour chaque cellules. Les données ne sont pas "mutualisées" (sous réserve que j'ai bien compris ce que tu entends par ce mot).
- Il existe aussi des modèles climatique régionaux mais le problème est que la réalité ne veut pas se laisser se découper en morceaux indépendants donc on est obligé, pour le climat de faire un modèle global.

Je ne m'y connais pas trop en automate cellulaire, mais je pensais que ça sert surtout à faire générer des résultats qualitatifs, genre différents états finaux possibles. En climatologie où l'on parle d'évolutions de l'ordre qq 1/10°C par décennie, je ne pense pas que cette piste est bien fructueuse. Je sais par exemple qu'on a fait des expériences de prévision météo à qq jours avec de réseau de neurone (cf post de Marot) mais bon, ça ne va pas bien loin.
Mais bon, mon avis est biaisé parce que de toute façon, la prévision climatique (tu sais, celle à 100 ans) pour moi est dans une impasse conceptuelle, pour maintenant et pour longtemps encore.

Ah ? Dans ce cas j'ai fait une confusion...
Je pensais que le calcul était réalisé en une passe avec l'ensemble des données d'entrée.




En fait ce que je voulais dire par grande échelle, c'est tout ce qui est plus global que le niveau d'une cellule. Un modèle régional va aussi modéliser des comportements de grande échelle pour moi.

C'est justement sur l'assertion "la réalité ne veut pas se laisser se découper en morceaux indépendants" que je m'intérroge...

Dans le calcul l'état d'un morceau ne pourrait-il pas n'être régit que par les interactions avec l'environnement proche ( et pas par une équation de niveau supérieur et de portée plus générale)

Je ne suis plus trop sûr pour la météo ou le climat , (votre scepticisme à tous me gagne...) mais dans le cadre d'un phénomène précis, je pense que cela pourrait être envisageable. La formation des nuages par exemple, ou le déplacement d'un grélon dans un cumulonimbus...
Je vais chercher de ce côté là.


(En ce qui concerne le perceptron et les réseaux de neurones en général, leur fonctionnement prédictif est surtout statistique si mes souvenirs sont bons...(ils apprennent à reconnaitre les situations)
Ce n'est donc pas le même concept.)

La résolution des équations de Navier Stokes par automates cellulaires
est effectivement possible : application aux fluides.
Si je ne me trompe pas, c'est une méthode dérivée de la modélisation par système multiagents
bien développé en France par Jacques Ferber dans les années 90 :
Cette approche est radicalement différente de la modélisation classique par résolution numérique
à l'aide de shéma aux volumes et différences finis (pour les fluides en tout cas).
J'ai sutout entendu des exemples de modélisation pour les fluides industriels.
Je serai très intéressé par toute application à la couche limite atmosphérique si tu en entends parler.
En particulier pour les applications aux échelles micro (< à l'échelle de la rue) et sub-meso (de l'échelle de la rue à l'échelle urbaine).

Si je comprends bien, cette méthode utilise la théorie des chocs à l'échelle moléculaire, en supposant que les molécules se déplacent uniquement sur les fils du maillage, et donc s'entrechoquent uniquement dans les noeuds. Le bilan étant effectué noeud par noeud.
J'ai du mal à imaginer qu'on puisse étendre cette méthode à la dynamique atmosphérique...

Sinon je suis d'accord avec les autres que les équations utilisées par les modèles ne sont pas un simple bilan global, un modèle doit faire les calculs de telle sorte que chaque maille vérifie l'équation.

Il faut voir chaque particule comme un agent doué de propriétés physiques comparables a des sentiments.
Si cette particule se déplace a tel endroit, c'est qu'elle y est attirée et cette attirance est quantifiée, mais elle peut également avoir "peur" donc fuire d'un autre endroit, voir même, avoir de l'"appréhension".... La quantification est définie par l'environnement physique de la particule et les propriétés de ces voisines (principe des systèmes multi agents). L'ensemble de ces propriétés représente en fait les quantités physiques qui doivent vérifier les équations de NS modifiées. Toutes les particules se déplacent alors naturellement de manière à rester dans un minimum énergétique qui garanti la stabilité de l'écoulement.
C'est un peu imagé mais je l'explique mieux comme ça... Joan tu peux me corriger si c'est un peu trop raccourci ?
En tout cas, si ce type de modèle fonctionne bien avec les fluides industriels, il n'y a aucune raison de penser qu'il ne fonctionne pas pour l'atmosphère puisque il s'agit des mêmes équations...

Tof

Il y a deux possibilités, soit les cellules sont mobiles et se déplacent dans un environnement qui ne fait pas partie du système modélisé ( un système multi-agents mobiles par ex.), soit les cellules sont fixes et remplissent l'ensemble du système modélisé.

Dans le cas de la modélisation des fluides par les méthodes Lattice-Boltzmann on est dans le second cas.

L'article de wikipédia n'est pas très clair là dessus, mais dans ce cas précis l'automate cellulaire ne régit pas le comportement des particules individuelles en elles-même, mais de la surface sous-jacente.

On a entièrement divisé l'espace en petites zones qui vont avoir un "état" exprimé sous la forme d'une probabilité de vitesse/orientation et de pression. (mais les zones en elles-même ne bougent pas, elles expriment le mouvement qu'on devra appliquer si une particule passe par là)

L'état va être calculé en fonction de règles qui sont entièrement locales. La valeur d'une cellule à l'étape suivante va uniquement dépendre des valeurs entrantes et sortantes de ses voisines, en fonctions de lois de conservation de mouvement, d'énergie, etc...

On a un champ de vecteurs qui est mis à jour au niveau microscopique (règles locales de collision et de propagation), ce qui a des effets au niveau macroscopique (trajectoire des particules).

En ce qui concerne les nuages, j'ai effectivement trouvé plusieurs références sur la dynamique de formation/évolution basés sur des automates cellulaires plus classiques. (avec des états binaires et non pas continus)

Le problème de la couche limite atmosphérique est très intéressant, je ne manquerais pas d'approfondir mon investigation dans cette branche

Merci pour tes précisions !
Peux tu donner les refs sur la modélisation par automates cellulaires en ce qui concerne la formation/évolution des nuages STP?
Ca m'intéresse également !

Bonjour,

Concernant les nuages, les papiers que j'avais trouvé sont issus de l'informatique ludique. (Moteurs graphiques pour les jeux etc...)
L'ensemble de ces recherches semblent se baser sur les travaux de Dobashi, mais impossible de mettre la main sur une version gratuite de son article fondateur. (le premier lien dans cette recherche sur scholar)

J'ai été au départ très impressioné par les images de cet article, malgré le peu de détails dans le texte.
Cependant l'illustration qu'ils présentent comme "rendered using our system" est en fait une vraie photo sur laquelle je suis tombé plus tard... ça la fout mal
(Peut-être ce n'est qu'un brouillon qui aura filtré...)

La plupart des articles sur les nuages sont très orientés sur le rendu graphique réaliste et utilisent des méthodes complémentaires, parfois un mix d'automates cellulaires et de méthodes traditionelles.
exemple : Fast Rendering of Dynamic Clouds



Concernant la simulation météo en général, je suis en train d'essayer de regrouper un panel de références pour voir ce qui à été fait à toutes les échelles, de la turbulence au climat.
Un article qui devrait déjà bien aider :
Discrete-element method simulations: from micro to macro scales


Sur le plan spécifique de la Couche Limite Atmosphérique, et en particulier de la zone en contact avec le relief, je suis assez optimiste sur les méthodes Lattice-Boltzmann (toutes réserves gardées vu mon peu de recul).
En effet un des avantages avancés est la facilité d'intégration des obstacles au fluide dans le modèle. Il suffit de spécifier des zones dont les règles de collision sont différentes (règles spécifiques de 'bordures') et le tour est joué. La difficulté de tenir compte d'un relief arbitraire dans la simulation classique est beacoup plus importante.
(Cette aspect pratique vaut aussi pour une interface entre deux fluides, je n'ai pas encore du tout approfondit ce domaine...)

Quelle coïncidence !
Le magazine "La Recherche" fait justement sa 'une' de février sur l'emergence.
(avec en couverture la simulation d'une avalanche)

Le concept de l'emergence est absolument au coeur du fonctionnement et du succès des automates cellulaires.
Ce concept est connu au moins depuis les années 70 et Conway, mais il aura fallu qu'un Prix Nobel de Physique s'y interresse pour qu'il passe un peu plus au devant de la scène...

Je vous invite donc à lire le dossier, qui permettra bien mieux que moi d'expliquer comment et pourquoi une modélisation par automates cellulaires est fondamentalement différente d'une modélisation classique, et pourquoi le sujet intéresse de plus en plus de monde.

En fait Robert Laughlin, sur les travaux duquel le dossier est basé, va même plus loin.
Il postule dans un premier temps que toutes les lois macroscopiques sont en fait des emergences de lois sous-jacentes. (elles emergent de l'interaction des composants sous jacents).
Cette approche est tout à fait compréhensible et je pense même déjà étudiée en biologie ( cellules individualistes -> organismes -> troupeaux -> écosystèmes ) et en sociologie (individus -> sociétés -> groupements de pays, etc...)

Par contre là où il va plus loin, c'est avec le concept de l'imbrication infinie. Il n'y aurait pas selon lui de niveau ultime, sur lequel serait basé toutes les emergences...

Pour en revenir au sujet, si les lois macroscopiques sont des emergences, cela signifie qu'elles peuvent être émulées par des automates cellulaires, et ce probablement plus facilement qu'en essayant de craquer leur code par en haut...

voilà. désolé de m'enthousiasmer, j'espère que vous lirez le dossier


.

Joan, as-tu lu Tennekes au sujet de la modélisation climatique ?
Il y a des traductions de ses avis sur la question ici et ici
Et un must-read qu'il a écrit sur Karl Popper ici

Désolé de casser l'ambiance. Je ne voudrais pas tempérer ton enthousiasme que j'envie mais quand j'entends un vieux de la vielle en modélisation météo citer Popper en disant : "Selon Karl Popper, les prétentions positivistes de la science sont en général injustifiées", je pense qu'il faut l'écouter un peu quand même histoire de ne pas s'embarquer dans une galère dans laquelle d'autres ont déjà ramé

Au fait, je pense que tu peux lui poser des questions directement, notamment par le blog de Pielke Sr.

Bonjour,

l'étude de la prévisibilité c'est encore un autre problème je pense.
On peut vouloir étudier un système statistiquement, en partant de diverses conditions initiales fictives et en étudiant les évolutions possibles, ou on peut espérer que notre modèle soit suffisament précis pour que si l'on utilise des conditions initiales réelles, on obtienne des résultats plus ou moins proche de la réalité.

La météo étudiant un système chaotique, il est clair que
. D'une part les différences infinitésimales entre les conditions initiales réelles et celles utilisées dans le modèle peuvent amener à des différences énormes après un certain temps.
. L'imperfection d'un modèle par rapport aux lois régissant le système provoque aussi une divergeance, qui s'accumule avec la précédente.
(En étudiant les divergences entre la prévision et le réel, difficile de dire si elles proviennent de l'imperfection du modèle ou de l'imprécision des conditions initiales.)
. Etant en face d'un système réel et non un objet mathématique, on ne peut l'étudier qu'à travers ses modélisations...
(En terme de chaos, on ne peut pas calculer le temps de Lyapounov de l'atmosphère, mais seulement de ses modèles. En effet on ne peut pas tester en grandeur nature ce qu'aurais donné l'atmosphère avec des conditions initiales légèrement différentes dans une situation donnée... )

Quand il écrit :


je suis assez d'accord.
Pour mettre en perspective avec le concept d'emergence, on se trouvera alors dans une situation où on essaiera de comprendre un phénomène macroscopique à partir de lois générales sur des composantes deux niveaux d'emergence en dessous...

Maintenant savoir si le climat est chaotique de la même façon que la météo ( à une différence d'échelle spatio-temporelle près) c'est un autre débat... qui a déjà de nombreux sujets ouverts dans le forum

En ce qui concerne la simulation par automates cellulaires de phénomènes météorologiques, elle souffrerait bien sûr des même limites intrinsèques que la modélisation classique, puisque son objet d'étude est un système chaotique.

Pour info, cette simulation des cyclones de l'Océan Indien à l'aide d'un réseau de neurones artificiels. Cela se rapproche-t-il des modélisations suggérées plus haut ?

GEOPHYSICAL RESEARCH LETTERS, VOL. 34, L04603, doi:10.1029/2006GL028353, 2007

Predicting cyclone tracks in the north Indian Ocean: An artificial neural network approach

M. M. Ali
Oceanography Division, National Remote Sensing Agency, Hyderabad, India

C. M. Kishtawal
Meteorology and Oceanography Group, Space Applications Center, Ahmedabad, India

Sarika Jain
Oceanography Division, National Remote Sensing Agency, Hyderabad, India

Abstract - Predicting cyclone tracks in the Indian Ocean has been a challenging problem. In this paper, we used past 12 hours of observations (2 positions, at 6 hourly intervals and the present position) to predict the position of a cyclone 24 hours in advance in terms of latitude and longitude. For this purpose we adopted an artificial neural network approach using 32 years (1971–2002) of tropical cyclone best track analysis over the Indian Ocean. The mean absolute error between the estimated and actual latitude (longitude) is 0.75 (0.87) degrees with correlation coefficient of 0.98 (0.99) for the prediction data set that was not used for developing the model. The mean error of estimation of the distance between the best track and the predicted positions is 137.5 km. Forecasts for 12, 36, 48, 60 and 72 hours were also attempted.

Pour ce que j'en sais, les réseaux de neurones fonctionnent sur un concept un peu différent, bien que très intéressant.
En s'imbibant profondémment des données pour en extirper des relations de cause à effet.
Le système résultant peut finalement être comparé à un super statisticien qui pourrait deviner l'avenir en se basant sur toutes ces statistiques passées et les données actuelles. Des sortes d'educated guess très avisés.

ils sont plus "intelligents" que les automates cellulaires, car ils fonctionnent un peu comme nous dans notre façon d'apprendre par l'expérience. L'automate cellulaire est lui au contraire très bète mais il a l'avantage d'être directement disponible, sans phase d'apprentissage.

Par contre ils fonctionnent aussi sur le principe d'emmergence: c'est en codant des opérations très simples au niveau de chaque connexion entre les neurones, que le comportement complexe global apparait.

Ils sont très utilisés dans les systèmes d'apprentissages, reconaissance de caractères, fluctuations boursières etc...
Des cas où l'on a pas besoin de forcément comprendre la mécanique sous jacente pour tirer des conclusions sur les tendances globales...

On notera l'usage du terme prediction au lieu de prevision, je ne sais pas si c'est vraiment significatif, mais c'est curieux.

J'ai trouvé une thèse complète en accès libre sur la prédiction de l'intensité des cyclones via les neural networks :
http://grad.uprm.edu/tesis/veneroscastro.pdf
j'avoue que je n'ai pas encore tout lu (j'ai déjà mon Techniguide de la Meteo à apprendre par coeur pour combler mes lacunes )

La prévision météo avec des systèmes neuronaux, on peut lui attribuer ce qu'on veut comme concept novateur, ce n'est ni plus ni moins que de la prévision statistique.

Le site de Météo France a un dossier extraordinairement bien fait (et pas très long à lire) sur cette dernière.
http://www.meteo.fr/meteonet/decouvr/dossi...nmeteo/pre1.htm

La prévision-prédiction-simulation, que ce soit de la météo, de la bourse, du PIB... tout le monde peut en faire avec n'importe quel concept algorithmique, mathématique voire métaphysique (Elisabeth Teissier en fait pleins). Le tout est d'en connaître la performance et l'applicabilité (désolé pour le barbarisme), en gros le "skill".
Ce n'est pas l'effort mais le résultat qui compte, chose qu'on oublie souvent en recherche fondamentale (je suis passé par là).

Bonjour, je fais actuelement un TIPE sur la circulation atmosphérique, pourrais je avoir la formule (voire le pdf ça serait mieux )s'il te plait a cet email?:
titofnin@hotmail.com

Ca m'aiderai beaucoup car il me faut une modélisation théorique indispensable pour mes concours.

Merci.