SIGFRIED2: indicateurs spatialisables de la qualité de l'air intérieur » książka
SIGFRIED2: indicateurs spatialisables de la qualité de l'air intérieur
ISBN-13: 9783639507201 / Francuski / Miękka / 2016 / 204 str.
Ce livre s'inscrit dans le programme CIRCE qui vise A comparer des cartographies d'occurrence des cancers avec des cartographies de qualitA(c) environnementale; notre objectif spA(c)cifique est de construire des cartographies de la qualitA(c) de l'air intA(c)rieur des logements. Nous avons adoptA(c) une dA(c)marche en deux A(c)tapes: identifier des classes de pollution intA(c)rieure, puis A(c)valuer la frA(c)quence de ces classes dans des zones prA(c)dA(c)terminA(c)es. La premiA]re A(c)tape a nA(c)cessitA(c) une extension de mA(c)thodes de classification bien connues, basA(c)es sur les modA]les de mA(c)lange et l'algorithme EM, au cas de donnA(c)es censurA(c)es. La seconde A(c)tape a fait usage de mA(c)thodes de discrimination non paramA(c)trique, basA(c)es sur des arbres binaires de dA(c)cision (CART). Les arbres obtenus prA(c)sentent une erreur de prA(c)diction A(c)levA(c)e: mAame si on peut dA(c)tecter des associations significatives connues entre pollution intA(c)rieure et caractA(c)ristiques du logement et des occupants, il est difficile de prA(c)dire la classe, ou mAame la concentration d'une substance, A partir de ces caractA(c)ristiques. NA(c)anmoins, la mA(c)thodologie dA(c)veloppA(c)e a de nombreuses qualitA(c)s: simplicitA(c), modularitA(c), flexibilitA(c), et ses erreurs sont A(c)valuables.
Ce livre s'inscrit dans le programme CIRCE qui vise à comparer des cartographies d'occurrence des cancers avec des cartographies de qualité environnementale ; notre objectif spécifique est de construire des cartographies de la qualité de l'air intérieur des logements. Nous avons adopté une démarche en deux étapes : identifier des classes de pollution intérieure, puis évaluer la fréquence de ces classes dans des zones prédéterminées. La première étape a nécessité une extension de méthodes de classification bien connues, basées sur les modèles de mélange et l'algorithme EM, au cas de données censurées. La seconde étape a fait usage de méthodes de discrimination non paramétrique, basées sur des arbres binaires de décision (CART). Les arbres obtenus présentent une erreur de prédiction élevée : même si on peut détecter des associations significatives connues entre pollution intérieure et caractéristiques du logement et des occupants, il est difficile de prédire la classe, ou même la concentration d'une substance, à partir de ces caractéristiques. Néanmoins, la méthodologie développée a de nombreuses qualités : simplicité, modularité, flexibilité, et ses erreurs sont évaluables.
Czytaj nas na:
KrainaKsiazek.PL - Księgarnia Internetowa
