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