If you can't read please download the document
Upload
renate
View
31
Download
0
Embed Size (px)
DESCRIPTION
DESS SIAD année 2001-2002. Génération de population agricole à partir de données agrégées et d’un panel représentatif de fermes. réalisé par Mickaël Bourion au LISC, Cemagref de Clermont Ferrand sous la direction de Thierry Faure. 10 septembre 2002. Sommaire. Introduction - PowerPoint PPT Presentation
Citation preview
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