Trois exemples expliqués : BLEND · ARTU · persistance stochastique.
Comparer persistance, AR et ELM sur les données publiques de Palaiseau : graphique interactif, protocole, calcul et limites. Ressources en anglais, avec une synthèse française.
Solar forecasting, made simple: ideas and methods
Prévoir le solaire ne consiste pas seulement à ajouter des couches à un modèle. Il faut savoir ce que l’on prévoit, à quelle référence on se compare, quelles erreurs comptent et ce que le dispositif peut réellement exécuter.
Cette page rassemble mes travaux et ceux de mes collègues autour de ce fil conducteur : faire simple, puis démontrer ce que la complexité supplémentaire apporte. Les pages liées donnent les références, les auteurs, les limites et les codes.
Le cycle jour–nuit est régulier ; les nuages le sont beaucoup moins. Séparer ces composantes aide à poser la bonne question : quelle part du signal reste prévisible au-delà de son cycle ?
Apport publié de notre équipe : le coefficient de variation stochastique sCV et les indices de prévisibilité associés. Leurs conditions d’interprétation comptent autant que leur valeur.
Comprendre la prévisibilité solaire et les contributions des coauteurs · Article publié
La persistance est une idée générale : prolonger une information récente. Elle constitue une référence à préciser, pas un adversaire à choisir artificiellement faible.
Apport publié de notre équipe : BLEND exploite la structure cyclique des séries énergétiques pour construire une référence analytique. Ce n’est pas une garantie de supériorité sur tous les modèles et tous les sites.
L’étude BLEND et ses auteurs · Méthode et codes BLEND / ARTU · Article publié
Un score d’erreur isolé ne dit pas toujours si le modèle apporte un gain par rapport à une référence utile.
Apport publié de notre équipe : NICEᵏ compare des composantes d’erreur à celles de références explicites. Une valeur se lit avec sa formule, les mêmes observations et le même horizon ; elle ne mesure pas à elle seule la valeur économique.
L’étude NICE et ses coauteurs · Définitions, exemple et implémentation
Une structure nuageuse légèrement décalée peut recevoir une forte pénalité point par point. L’application décide si ce décalage est tolérable.
Apport publié : mon travail sur le γ-index pour la validation des prévisions combine des tolérances spatiales, temporelles et d’intensité. Il adapte au problème de prévision une logique d’évaluation par tolérances ; il ne revendique pas l’invention du gamma-index en physique médicale.
L’étude et ses limites · Guide et code · Article publié
Réduire les entrées et réduire la capacité du modèle sont deux leviers distincts. Le coût de toute la chaîne compte, y compris la transformation des données.
Recherches en cours, manuscrits non soumis : réduction de dimension avec Hassen Bouzgou comme premier auteur, et prévision frugale avec Cyril Voyant comme premier auteur. Les équipes complètes figurent dans les pages liées. Ce sont des explications de démarche et de logiciels, pas des résultats présentés comme validés par une revue.
Pourquoi prévoir directement le PV et réduire la dimension ? · Pourquoi déployer des modèles frugaux ?
Le parcours UE14 utilise des observations d’Ajaccio pour expliquer ciel clair, persistance, autorégression et ELM. Ses chiffres sont des calculs pédagogiques reproductibles, distincts des résultats d’articles et des exemples fictifs des deux pages précédentes.
English worked example: solar forecasting basics · Cours, références et parcours
La simplicité, la persistance, les modèles linéaires, les ELM et la réduction de dimension ont une histoire scientifique collective. Les pages distinguent ces fondements des contributions de chaque étude, créditent les coauteurs et relient leurs profils lorsqu’ils sont vérifiés.
Identité et parcours de Cyril Voyant · Tous les guides et logiciels · Actualités des recherches