Prévision météorologiqueLa prévision météorologique est une application des connaissances en météorologie et des techniques modernes de prises de données et d’informatique pour prévoir l’état de l’atmosphère à un temps ultérieur. L’histoire de la prévision du temps remonte aux temps immémoriaux avec les oracles et devins mais la science moderne date vraiment de la fin du et du début du . Elle s’est cependant affirmée depuis la Seconde Guerre mondiale alors que les moyens techniques comme le radar et les communications modernes ont rendu l’accès aux données plus rapide et plus nombreuses.
Prévision numérique du tempsLa prévision numérique du temps (PNT) est une application de la météorologie et de l'informatique. Elle repose sur le choix d'équations mathématiques offrant une proche approximation du comportement de l'atmosphère réelle. Ces équations sont ensuite résolues, à l'aide d'un ordinateur, pour obtenir une simulation accélérée des états futurs de l'atmosphère. Le logiciel mettant en œuvre cette simulation est appelé un modèle de prévision numérique du temps.
Global Forecast Systemvignette|Exemple de carte produite par le GFS, prévision des isohypses de géopotentiel et des isothermes de température à la pression de dans l'atmosphère, le tout valide 96 heures après le moment d’initialisation Le Global Forecast System (GFS) est un modèle de prévision numérique du temps du National Weather Service des États-Unis. Comme son nom l'indique, il fait ses calculs en utilisant les données météorologiques sur une grille qui recouvre toute la Terre. Ce modèle numérique est initialisé quatre fois par jour : 5h30, 11h30, 17h30 et 23h30.
Atmospheric modelIn atmospheric science, an atmospheric model is a mathematical model constructed around the full set of primitive, dynamical equations which govern atmospheric motions. It can supplement these equations with parameterizations for turbulent diffusion, radiation, moist processes (clouds and precipitation), heat exchange, soil, vegetation, surface water, the kinematic effects of terrain, and convection. Most atmospheric models are numerical, i.e. they discretize equations of motion.
Prévision d'ensemblesvignette|En haut: Modèle déterministe du WRF pour la prévision de trajectoire de l'ouragan Rita en 2005. En bas : Dispersion des différents modèles utilisés par le National Hurricane Center pour la même tempête. La prévision d'ensembles est une méthode de prévision numérique du temps utilisé pour tenter de générer un échantillon représentatif des états futurs possibles d'un système dynamique. En effet, ni les observations, ni l'analyse, ni le modèle de prévision ne sont parfaits et la dynamique atmosphérique est très sensible, dans certaines conditions, à la moindre fluctuation.
PrévisionLa prévision est une . D'une façon générale, . Dans un sens plus restrictif, en épistémologie contemporaine, la prévision se distingue de la prédiction, qui est issue d'une loi ou théorie scientifique hautement confirmée ou corroborée, tandis que la prévision découle d'hypothèses ou de conjectures moins assurées. La prévisibilité et la prédictibilité désignent la possibilité que certains événements ou phénomènes soient prévus ou prédits à partir d'une hypothèse ou d'une théorie scientifique et de conditions initiales appropriées.
National Weather ServiceLe National Weather Service (NWS ; « Service météorologique national ») est le service météorologique des États-Unis. C'est un des six services scientifiques qui composent le National Oceanic and Atmospheric Administration (NOAA), l'agence gouvernementale chargée de la recherche et la surveillance de l'atmosphère et des océans sur tout le territoire américain. Le NWS est plus spécifiquement chargé de la recherche sur les phénomènes atmosphériques, la prévision du temps, les études climatologiques et hydrologiques.
Analyse numériqueL’analyse numérique est une discipline à l'interface des mathématiques et de l'informatique. Elle s’intéresse tant aux fondements qu’à la mise en pratique des méthodes permettant de résoudre, par des calculs purement numériques, des problèmes d’analyse mathématique. Plus formellement, l’analyse numérique est l’étude des algorithmes permettant de résoudre numériquement par discrétisation les problèmes de mathématiques continues (distinguées des mathématiques discrètes).
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Tropical cyclone track forecastingTropical cyclone track forecasting involves predicting where a tropical cyclone is going to track over the next five days, every 6 to 12 hours. The history of tropical cyclone track forecasting has evolved from a single-station approach to a comprehensive approach which uses a variety of meteorological tools and methods to make predictions. The weather of a particular location can show signs of the approaching tropical cyclone, such as increasing swell, increasing cloudiness, falling barometric pressure, increasing tides, squalls and heavy rainfall.
Modèle de circulation généraledroite|vignette|Modèle de circulation générale GEOS-5 (Goddard Earth Observing System Model) développé par la NASA. Un modèle de circulation générale (en anglais, general circulation model ou GCM) est un modèle climatique. Il s'appuie sur les équations de Navier-Stokes, appliquées à une sphère en rotation ainsi que sur des équations d'équilibre de la thermodynamique pour inclure les sources d'énergie (rayonnement, changement de phase). Ceci permet de simuler à la fois la circulation atmosphérique mais aussi la circulation océanique.
Apprentissage non superviséDans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où les données ne sont pas étiquetées (par exemple étiquetées comme « balle » ou « poisson »). Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite.
Chemical transport modelA chemical transport model (CTM) is a type of computer numerical model which typically simulates atmospheric chemistry and may give air pollution forecasting. While related general circulation models (GCMs) focus on simulating overall atmospheric dynamics (e.g. fluid and heat flows), a CTM instead focuses on the stocks and flows of one or more chemical species. Similarly, a CTM must solve only the continuity equation for its species of interest, a GCM must solve all the primitive equations for the atmosphere; but a CTM will be expected to accurately represent the entire cycle for the species of interest, including fluxes (e.
Global Environmental Multiscale ModelThe Global Environmental Multiscale Model (GEM), often known as the CMC model in North America, is an integrated forecasting and data assimilation system developed in the Recherche en Prévision Numérique (RPN), Meteorological Research Branch (MRB), and the Canadian Meteorological Centre (CMC). Along with the NWS's Global Forecast System (GFS), which runs out to 16 days, the ECMWF's Integrated Forecast System (IFS), which runs out 10 days, the Naval Research Laboratory Navy Global Environmental Model (NAVGEM), which runs out eight days, the UK Met Office's Unified Model, which runs out to seven days, and Deutscher Wetterdienst's ICON (ICOsahedral Nonhydrostatic), which runs out to 7.
Consensus forecastUsed in a number of sciences, ranging from econometrics to meteorology, consensus forecasts are predictions of the future that are created by combining several separate forecasts which have often been created using different methodologies. Also known as combining forecasts, forecast averaging or model averaging (in econometrics and statistics) and committee machines, ensemble averaging or expert aggregation (in machine learning).
StratosphèreLa stratosphère est la seconde couche de l'atmosphère terrestre, comprise entre la troposphère (au-dessous) et la mésosphère (au-dessus). La limite entre la troposphère et la stratosphère s'appelle la tropopause. Son altitude étant liée à la température de la colonne d'air, elle est minimale dans les régions polaires (entre 6 et 9 km) et maximale dans la zone intertropicale (entre 15 et 19 km). L'altitude moyenne sur l'ensemble du globe est estimée à 12 km.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Modèle climatiqueUn modèle climatique est une modélisation mathématique du climat dans une zone géographique donnée. Historiquement, le premier modèle atmosphérique date de 1950, et a été testé sur le premier ordinateur existant, l'ENIAC. À la date du sixième rapport d'évaluation du GIEC (2021), autour de 100 modèles indépendants étaient utilisés par 49 différents laboratoires de climatologie à travers le monde. Les modèles varient en complexité. Les plus simples permettent de faire des simulations couvrant de plus larges domaines et étendues de temps.
Prévision de la demandeLa prévision de la demande (à différencier de la prévision des ventes qui intègre les contraintes de production) est une démarche qui consiste à estimer la consommation des produits ou des services pour les périodes à venir. Elle permettra de planifier la production afin de réduire les délais de livraison et d'optimiser le niveau des stocks. La prévision de la demande est aussi une étape fondamentale de l'établissement d'un S&OP (plan industriel et commercial) ou d'un plan d'affaires ("business model") pour étudier la viabilité économique d'un projet ou d'une entreprise.
