Dynamique de l’occupation des sols de la région des Garrotxes
Click here to load reader
description
Transcript of Dynamique de l’occupation des sols de la région des Garrotxes
Dynamique de l’occupation des Dynamique de l’occupation des sols de la région des sols de la région des GarrotxesGarrotxes
Approche par réseau de neuronesApproche par réseau de neurones
Réseaux de neurones :Réseaux de neurones :A l’origine, l’étude du cerveauA l’origine, l’étude du cerveau
dendrites une synapse
corps cellulaire et noyau
axoneΣΣ
Si le flux est supérieur au seuil
d’activation du neurone
Les réseaux à couchesLes réseaux à couches
ΣBiaisE
NT
RE
ES
EN
TR
EE
S
Poids SOR
TIE
SSO
RT
IES
Fonction de lien
Comment sont choisis les poids ?(APPRENTISSAGE)
Valeur de la végétation en 1980
Sortie pour la valeur de la végétation en 1980
On minimise la somme des carrés des erreurs entre la sortie fournie par le réseau et une cible donnée (Valeur de la végétation en 1990).
Intérêts des réseauxIntérêts des réseaux
Ce sont des approximateurs universels (souplesse).
EN
TR
EE
S SOR
TIE
S
Ils sont simples d’utilisation.Ils fournissent rapidement des solutions non linéaires.
Simplification des donnéesSimplification des données
27 176 pixels5 catégories
241 346 pixels8 catégories
ConifèresFeuillusBroussaillesLandes àgenêtsLandes àgraminées
PrairiesCultures
Bâti
Pâturages
Bâti
Forêts
Broussailles
Cultures
Choix du modèleChoix du modèle
PRISE EN COMPTE DE :PRISE EN COMPTE DE :
Aspect spatial d’ordre 1 à 3
Aspect temporel d’ordre 1
4 variables d’environnement
FrontièreNon Frontière
Pixels frontières en 1980
Choix de l’architectureChoix de l’architecture
ENTREES
SORTIES
• Valeur du pixel à la date (t-1)
• Fréquence pondérée (*) des types de végétation dans le voisinage
• Variables d’environnement
Estimation de la probabilité
d’appartenance aux divers types de végétation à
la date t
PIXEL
COURANT
d
Fréquence pondérée par :
e- d/2
(*)
Validation du modèleValidation du modèle
85 %79 %
92 %93 %
51 %42 %
91 %82 %
19902000
Tout typePâturagesBroussaillesForêts
Pourcentages de pixels prédits correctement(pourcentage calculé par rapport au nombre total de pixels appartement réellement
au type de végétation)
Pâturages
ForêtsBroussailles
CulturesBâti
Carte réelle2000
Prévisions2000
Apprentissage : Carte 1980 → Carte 1990 et Carte 1990 → Carte 2000
Validation : Voir, en fournissant au réseau la carte de 1980 et celle de 1990 ce qu’il prédit pour 1990 et 2000 et le confronter avec les données réelles
Prévisions pour 2010Prévisions pour 2010
ForêtsBroussaillesPâturagesCulturesBâti
Prévisions2010
0000
100 %
0≈ 0 %≈ 0 %
00
07 %
89 %100 %
0
052 %4 %
00
100 %41 %7 %
00
De 2000ForêtsBroussaillesPâturagesCulturesBâti
BâtiCulturesPâturagesBrous-sailles
Forêts
À 2010
Transitions
PerspectivesPerspectives
Effectuer un travail similaire avec tous les Effectuer un travail similaire avec tous les pixels et tous les types de végétationpixels et tous les types de végétation
Problèmes rencontrés :• Capacité de la mémoire pour la mise en forme et le traitement des données (recherche des voisins, apprentissage…)
Premiers résultatsPremiers résultats
• Les premiers résultats sont mauvais :Fort taux d’erreur sur les années existantes
(30 - 40 % des pixels traités)Les sorties ressemblent peu à des
probabilitésLes résultats diffèrent énormément suivant
le nombre de neurones sur la couche cachée
• Valeur du pixel à la date (t-1)
• Fréquence pondérée des types de végétation dans le voisinage
• Variables d’environnement
Estimation de la probabilité
d’appartenance aux divers types de végétation à
la date t
ENTREESENTREES
SORTIESSORTIES
COUCHECOUCHECACHEECACHEE(2(2--15 neurones)15 neurones)
Modifications envisagéesModifications envisagées
Travailler en deux tempsUtiliser des réseaux plus sophistiqués(réseaux bayésiens)
Évaluation de l’erreur de généralisation du réseauSélection de l’architecture (⇒ donnent des idées sur l’interprétation du modèle)Travail sur des ensembles de réseaux et non sur les résultats d’un réseau