Les modèles de processus stochastiques du type ARIMA sont des combinaisons de modèles autorégressifs et de moyennesmobiles sur des variables aléatoires indépendantes. D'application souple et relativement facile, ces modèles peuvent être utilisés à
Analyse spatiale ; Autocorrélation spatiale ; Estimation ; Généralités sur la géographie ; Identification ; Interaction spatiale ; Processus aléatoire ; Processusàmoyennemobile ; Rapport de vraisemblance ; Statistique spatiale ; Série spatiale
Analyse d'un modèle àmoyennemobile bidimensionnel, pour étudier les interactions spatiales. Définition du processusàmoyennemobile stationnaire, inversible et déduction de ses propriétés. Approche méthodologique géographique avec examen des
tests généralement employés. La discussion faite par l'A. sur la théorie de l'estimation appliquée aux modèles de processusàmoyennemobile souligne la nécessité qu'il y a, pour l'expérimentateur, de comparer les résultats des différentes méthodes pour
problèmes d'estimation. La spécification du modèle est obtenue à partir de la structure des coefficients d'autocorrélation. La dépendance spatiale est étudiée à l'aide du test de rapport de vraisemblance dont l'A. souligne la puissance par rapport aux autres
voir lequel est le plus approprié aux données à traiter.
Généralités sur la géographie ; Méthodologie ; Processus aléatoire ; Série chronologique ; Série unidimensionnelle
Les aspects stochastiques des séries unidimensionnelles (chronologiques) sont de 4 sortes: aléatoires, autorégressifs, àmoyennemobile, ou autorégressifs àmoyennemobile. Sont expliqués successivement: les étapes du procédé (identification
Equation de Yule-Walker ; Estimation ; Généralités sur la géographie ; Hydrologie mathématique ; Hydrologie stochastique ; Processus ARMA ; Processus aléatoire ; Saisonnalité ; Statistique ; Structure de corrélation ; Série chronologique
Les AA. déduisent les équations de Yule-Walker pour des modèles autorégressifs àmoyennemobile, ayant des paramètres périodiques. Dans le cas des processus ARMA (p., 1) les paramètres autorégressifs périodiques sont obtenus par résolution d'un
système d'équations linéaires, alors que les paramètres périodiques de moyennemobile satisfont un système d'équations qui peut être résolu de façon itérative.
(1968-1976) ; Etats-Unis ; Finance ; Généralités sur la géographie ; Méthodologie ; Processus autorégressif ; Processusàmoyennemobile ; Réserve monétaire ; Saisonnalité ; Série chronologique
de type autorégressif (déterministe) et àmoyennemobile. Les données correspondent à la période allant du 26-12-68 au 29-12-76 soit 2926observations. (Cch).
On peut modéliser une série chronologique des débits annuels par un processus ARMA (autorégressif et àmoyennemobile). La méthode utilise la représentation conceptuelle d'un bassin-versant donnée par Fiering (Streamflow synthesis, Harvard
; Processus aléatoire ; Processus autorégressif et àmoyennemobile ; Simulation ; Série chronologique
Bruit gaussien fractionnaire ; Distribution gamma ; Distribution log-normale ; Débit ; Ecoulement ; Géographie physique ; Hydrologie mathématique ; Hydrologie stochastique ; Méthodologie ; Persistance ; Phénomène de Hurst ; Processus ARMA
Deux modèles de persistance à long terme dans les modèles hydrologiques sont présentées: un bruit gaussien fractionnaire et un processus mixte autorégressif et de moyennemobile ARMA, d'ordre 1. Ils sont appliqués à deux distributions: une
distribution log-normale à 3paramètres et une distribution gamma à 3paramètres. Discussion des avantages et des inconvénients des modèles appliqués à ces distributions. On ne peut préconiser l'emploi d'aucune de ces distributions asymétriques pratiquement, les
L'A. opte pour la classe des modèles des chaînes markoviennes pas forcément finies. Comparaison avec des modèles paramétriques couramment utilisés à l'heure actuelle (processus autorégressifs àmoyennemobile) et mise en évidence de cette classe
Comparaison ; Généralités sur la géographie ; Persistance ; Phénomène de Hurst ; Processus ARMA ; Processus aléatoire ; Processus autorégressif àmoyennemobile ; Processus non stationnaire ; Simulation ; Série chronologique
peut également être expliqué par un processus ARMA. Ces deux explications peuvent être une même explication| le modèle de Hurst puis de Klemes et Potter ont une structure de corrélation identique à un processus ARMA (1,1). Les AA. proposent un modèle
Plusieurs auteurs: Hurst (1957), Klemes (1974-1975), Potter (1975-1976) ont montré que la non stationnarité de la moyenne peut donner une explication possible au phénomène de Hurst| d'autres auteurs, O'Connell et Wallis montrent que ce phénomène
Présentation de la généralisation de la famille de modèles auto-régressifs àmoyennemobile spatio-temporels au comportement saisonnier: construction du modèle (identification, estimation, vérification)| modélisation du débit journalier du
Analyse spatiale ; Box et Jenkins ; Généralités sur la géographie ; Identification ; Modèle ; Modèle ARMA ; Méthodologie ; Processus aléatoire ; Processus spatial ; Statistique spatiale ; Série chronologique ; Série spatiale ; Théorie
A partir des travaux très à la mode de Box et Jenkins (Time Series analysis, forecasting and control, 1970), l'A. montre comment la modélisation des séries chronologiques peut s'appliquer aux processus spatiaux: en effet, on peut identifier dans
ceux-ci des composantes autorégressives et des composantes de lissage (moyennemobile). Après la présentation générale du modèle ARMA, évaluation de la variation temporelle des paramètres, comparaison de la prévision et de l'observation, dans un souci
d'ajustement du modèle. Développement des problèmes issus de l'identification du processus et des dangers liés à un modèle par boîte noire. L'utilisation d'une telle approche peut être possible pour les processus spatiaux mais son emploi est très délicat. (Cch).
Deux systèmes de codage sont utilisés le plus souvent en statistique ou en économétrie spatiales. Exemple de processus significatifs comme l'autorégression simultanée ou les moyennesmobiles. Ces systèmes accentuent les objets spatiaux en les
insérant dans un grand nombre de connections. Les AA. comparent trois systèmes, à l'aide de paramètres d'autocorrélation qui rendent les processus stochastiquement homologues.
Redéfinition du phénomène de Hurst à partir de plusieurs simulations: un processus gaussien fractionnaire et un modèle de type Box et Jenkins. L'emploi du critère d'information d'Akaike, montre que le processus gaussien fractionnaire est meilleur
Etude de modèles stochastiques utilisés pour simuler et prévoir des événements hydrologiques, par comparaison des propriétés des modèles autorégressifs, des modèles àmoyennesmobiles et des modèles mixtes. Comparaison des méthodes utilisées pour
Espaces mobiles et moyens d'existence à la périphérie mondialisée du Maroc
Household behaviour ; Living conditions ; Manpower ; Mobility ; Morocco ; Pastoral ; Peripheral region ; Resource management ; Rural development ; Social inequality
localement une émergence de groupes sociaux utilisant de nouvelles stratégies de mobilité. Ces dynamiques de changement s'accompagnent de processus prononcés de polarisation sociale. L'A. développe une analyse qui explore les portefeuilles de ressources de
Les systèmes locaux de survie dans les régions périphériques du Maroc se sont en partie détachés des territoires agricoles et nomades traditionnels. Ils sont désormais marqués par des mobilités spatiales liées à de nouveaux flux.On constate
ménages ruraux et permet de rendre visibles les inégalités croissantes. Relations dynamiques entre stratégies mobiles, ressources et sécurité existentielle dans un Maroc en pleine transformation. Exemple d'une vallée située sur le versant sud du Haut Atlas
Estimation ; Filtrage ; Généralités sur la géographie ; Méthode de Box-Jenkins ; Processus ARIMA ; Processus aléatoire ; Processus autorégressif ; Processusàmoyennemobile ; Saisonnalité ; Statistique ; Série chronologique
Les modèles proposés par Box et Jenkins pour analyser les séries chronologiques saisonnières se décomposent en un certain nombre de termes, pouvant virtuellement être identifiés à la tendance générale, aux composantes saisonnière et aléatoire. Selon
que l'on définit ces trois composantes en utilisant les données passées ou les données passées et présentes, la composante aléatoire est très différente. L'A. propose un compromis permettant de choisir efficacement les filtres symétriques nécessaires à
la définition de chaque composante, à partir des données passées et des éléments de précision des données actuelles. Modifications pouvant être appliquées au modèles classiques de type ARIMA. (Cch).
Contrastes dans les morphosculptures des zones mobiles
ces régions, dues aux facteurs climatiques zonaux et à la position hypsométrique. Certaines similitudes dans les processus géomorphologiques sont tracées dans les 2 sphères de morphogenèse subaérienne et sous-marine. Les vitesses des processus sont
L'analyse comparée des morphosculptures dans les montagnes (intracontinentales) de l'Asie Moyenne et dans les régions des arcs insulaires de l'Extrême-Orient (marge continentale) révèle des différences considérables dans la morphogenèse exogène de
K voprosu prognozirovanija eolovyh processov v pescanoj pustyne Prévision des processus éoliens dans un désert de sable
Prévoir les processus éoliens est possible d'après les facteurs climatique et anthropique. Dans les déserts du Turkmenistan on observe depuis 20 ans une augmentation des précipitations de 4 à 53 mm et une baisse des températures annuelles moyennes
de 0,2 à 2,3o selon les régions. D'où un ralentissement des processus éoliens, un développement de la végétation sur les sables mobiles et une augmentation de l'efficacité des plantations de forêt en bordure des oasis. - (MMB)
Algeria ; Land ; Medium-sized town ; Real estate market ; Residential mobility ; Urban structure
Question foncière appliquée à la ville moyenne tellienne de Saïda, située dans le Tell au contact de la Steppe, et étendue au fil d’un tiers de siècle : éclatement et densification, mobilité et intégration. Pourtant, les disparités sociales toujours
présentes rompent l’équilibre de la ville ancienne et soulignent une fragmentation sociale pouvant être lue à travers l’appropriation foncière et immobilière, visible au centre de toutes les mutations urbaines. Accent mis sur le relogement de la population