Prévision satellite du rayonnement : une maille, un voisinage ou tout le champ

Un satellite voit le rayonnement de toute une région, heure par heure. La tentation est de donner toute la carte au modèle de prévision. Garder le même modèle et ne changer que ce qu'il lit montre ce que la carte apporte vraiment.

Cyril Voyant (Mines Paris – PSL, centre O.I.E.), avec Andreas Kazantzidis (université de Patras) et Jan Kleissl (université de Californie à San Diego) · manuscrit en préparation, code et extrait de données ouverts

En bref

Le constat

Sur ces données, l'historique horaire de la maille elle-même porte l'essentiel de ce qu'une prévision heure par heure du lendemain peut exploiter. Lire le reste de la carte ajoute des paramètres plus vite qu'il ne retire d'erreur : aucune des sept méthodes de compression testées, ni aucun des deux réseaux profonds lisant tout le champ, n'atteint le modèle par maille.

La question

Le rayonnement satellite arrive sous forme de cartes. Les réseaux profonds, U-Net ou LSTM, lisent des champs entiers ; les méthodes de compression réduisent le champ avant qu'un modèle le lise. Les deux ajoutent des entrées et des paramètres. Quelle part de cette information spatiale fait baisser l'erreur de la prévision pour chacune des 24 heures suivantes, et pour quel coût en paramètres stockés ?

La théorie, en clair

Un seul modèle, plusieurs entrées. Le modèle est une machine à apprentissage extrême (ELM) : une couche cachée de neurones tirés au hasard et jamais entraînés, et des poids de sortie ajustés par une seule résolution de moindres carrés. L'apprentissage prend quelques secondes et le nombre de paramètres stockés se compte facilement. Ce même modèle lit soit sa propre maille, soit un voisinage 3 × 3, soit tout le champ de 722 mailles, soit le champ compressé par l'une de sept méthodes (transformée de Radon, DCT, ondelettes, ACP, projection aléatoire, sous-échantillonnage, autoencodeur).

Des références honnêtes. La persistance répète la dernière heure, la persistance 24 h répète la même heure de la veille, et BLEND mélange les deux. Un modèle ne vaut ses paramètres que s'il les bat.

Un score honnête. Les erreurs sont cumulées sur toutes les mailles, toutes les échéances de 1 à 24 heures et toutes les heures de test où le Soleil est à plus de 5° au-dessus de l'horizon. Le nRMSE est divisé par la moyenne des observations retenues de l'année de test, 407,9 W/m².

L'exemple en chiffres

Erreur cumulée en fonction du nombre de paramètres stockés par chaque modèle (échelle log) : l'ELM par maille est le point le plus bas ; lire tout le champ déplace les modèles vers la droite sans les faire descendre
Erreur cumulée en fonction du nombre de paramètres stockés par chaque modèle (échelle log) : l'ELM par maille est le point le plus bas ; lire tout le champ déplace les modèles vers la droite sans les faire descendre

Les données sont le rayonnement HelioClim-3 (méthode Heliosat-2, images Meteosat, service SoDa) sur 1 148 points au-dessus de la Corse, au pas horaire, avec 2005 pour l'apprentissage et 2006 pour le test.

Ce que cela apporte, et les limites

Pour aller plus loin