Relevant bibliographies by topics / Agrégation des séries temporelles

Academic literature on the topic 'Agrégation des séries temporelles'

Author: Grafiati
Published: 1 June 2024

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Agrégation des séries temporelles.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Contents

  1. Journal articles
  2. Dissertations / Theses
  3. Books
  4. Book chapters
  5. Conference papers
  6. Reports

Journal articles on the topic "Agrégation des séries temporelles":

1

Bonneuil, Noël. "Traitement des données manquantes dans les séries issues des registres paroissiaux." Population Vol. 53, no. 1 (January 1, 1998): 249–70. http://dx.doi.org/10.3917/popu.p1998.53n1-2.0270.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
Résumé BONNEUIL (Noël). - Traitement des données manquantes dans les séries issues des registres paroissiaux L'enquête Biraben 1 500- 1 700 des registres paroissiaux est constituée de séries comportant des données manquantes. Pour compléter ces lacunes, il est préférable actuellement de recourir aux modèles ARIMA de l'économétrie des séries temporelles. On peut ainsi sélectionner quelles séries parmi les co-séries disponibles sont corrélées avec la série à compléter, identifier un modèle, le valider, et projeter pour combler peu à peu la période lacunaire. Des essais effectués sur des séries connues de l'enquête permettent déjuger des possibilités de cette méthode sur ce type de données temporelles. Des exemples sont donnés.
2

Nijman and Palm. "Séries temporelles incomplètes en modélisation macroéconomique." Cahiers du Séminaire d'Économétrie, no. 27 (1985): 141. http://dx.doi.org/10.2307/20075587.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Lafrance, Bruno, Xavier Lenot, Caroline Ruffel, Patrick Cao, and Thierry Rabaute. "Outils de prétraitements des images optiques Kalideos." Revue Française de Photogrammétrie et de Télédétection, no. 197 (April 21, 2014): 10–16. http://dx.doi.org/10.52638/rfpt.2012.78.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
La communauté scientifique a besoin de disposer de séries temporelles d'observations récurrentes, couvrant des sites d'intérêt pour le suivi de l'évolution des surfaces terrestres (études agronomiques par assimilation de données, suivi de traits de côte, glissements de terrain, surveillance des volcans, cartographie littorale, etc.). L'analyse de ces séries temporelles demande à avoir des images superposables entre elles qui renseignent sur la réflectance des sites (grandeur physique indépendante du capteur).Dans l'objectif de rendre accessibles de telles données physiques et de garantir une homogénéité des traitements de séries temporelles d'images, le CNES a mis en place le programme Kalideos. Dans ce cadre, CS SI a développé et opère les chaines de traitement des images.Cet article présente les traitements appliqués aux images optiques des bases Kalideos (capteurs Spot et Formosat). Ces traitements permettent de convertir les produits de niveau 1A en ortho-images, donnant la réflectance mesurée au sommet de l'atmosphère et celle estimée au niveau de la surface après correction des effets atmosphériques.
4

Teixeira, A. "Les séries chronologiques ou séries temporelles : présentation et principes d’analyse." Revue des Maladies Respiratoires 22, no. 3 (June 2005): 493–95. http://dx.doi.org/10.1016/s0761-8425(05)85582-2.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Inglada, Jordi. "Lettre : Utilisation conjointe de séries temporelles d'images optiques et radar pour le suivi des surfaces agricoles." Revue Française de Photogrammétrie et de Télédétection, no. 219-220 (January 19, 2020): 71–72. http://dx.doi.org/10.52638/rfpt.2019.468.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Jayet, Pierre-Alain. "Quelques notions sur l'analyse spectrale des séries temporelles." Histoire & Mesure 6, no. 1 (1991): 7–29. http://dx.doi.org/10.3406/hism.1991.1381.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Renaut, Didier. "Les séries temporelles de produits satellitaires passées au crible." La Météorologie 8, no. 88 (2015): 4. http://dx.doi.org/10.4267/2042/56354.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Dronne, Yves, and Christophe Tavéra. "Substitution dans l'alimentation animale : l'apport des modèles de séries temporelles." Cahiers d'Economie et sociologie rurales 23, no. 1 (1992): 63–86. http://dx.doi.org/10.3406/reae.1992.1306.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

Gond, Valéry, Jacques Fontès, and Philippe Loudjani. "Dynamique des biomes africains par l'analyse de séries temporelles satellitales." Comptes Rendus de l'Académie des Sciences - Series III - Sciences de la Vie 320, no. 2 (February 1997): 179–88. http://dx.doi.org/10.1016/s0764-4469(97)85010-x.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Hili, Ouagnina. "Sur l'estimation des modèles autorégressifs d'ordre multiple de séries temporelles." Comptes Rendus de l'Académie des Sciences - Series I - Mathematics 332, no. 8 (April 2001): 755–59. http://dx.doi.org/10.1016/s0764-4442(01)01897-3.

Full text
APA, Harvard, Vancouver, ISO, and other styles
More sources
You might also be interested in the extended bibliographies on the topic 'Agrégation des séries temporelles' for particular source types:
Journal articles Dissertations / Theses Books

Dissertations / Theses on the topic "Agrégation des séries temporelles":

1

Sànchez, Pérez Andrés. "Agrégation de prédicteurs pour des séries temporelles, optimalité dans un contexte localement stationnaire." Thesis, Paris, ENST, 2015. http://www.theses.fr/2015ENST0051/document.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
Cette thèse regroupe nos résultats sur la prédiction de séries temporelles dépendantes. Le document comporte trois chapitres principaux où nous abordons des problèmes différents. Le premier concerne l’agrégation de prédicteurs de décalages de Bernoulli Causales, en adoptant une approche Bayésienne. Le deuxième traite de l’agrégation de prédicteurs de ce que nous définissions comme processus sous-linéaires. Une attention particulaire est portée aux processus autorégressifs localement stationnaires variables dans le temps, nous examinons un schéma de prédiction adaptative pour eux. Dans le dernier chapitre nous étudions le modèle de régression linéaire pour une classe générale de processus localement stationnaires
This thesis regroups our results on dependent time series prediction. The work is divided into three main chapters where we tackle different problems. The first one is the aggregation of predictors of Causal Bernoulli Shifts using a Bayesian approach. The second one is the aggregation of predictors of what we define as sub-linear processes. Locally stationary time varying autoregressive processes receive a particular attention; we investigate an adaptive prediction scheme for them. In the last main chapter we study the linear regression problem for a general class of locally stationary processes
2

Sànchez, Pérez Andrés. "Agrégation de prédicteurs pour des séries temporelles, optimalité dans un contexte localement stationnaire." Electronic Thesis or Diss., Paris, ENST, 2015. http://www.theses.fr/2015ENST0051.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
Cette thèse regroupe nos résultats sur la prédiction de séries temporelles dépendantes. Le document comporte trois chapitres principaux où nous abordons des problèmes différents. Le premier concerne l’agrégation de prédicteurs de décalages de Bernoulli Causales, en adoptant une approche Bayésienne. Le deuxième traite de l’agrégation de prédicteurs de ce que nous définissions comme processus sous-linéaires. Une attention particulaire est portée aux processus autorégressifs localement stationnaires variables dans le temps, nous examinons un schéma de prédiction adaptative pour eux. Dans le dernier chapitre nous étudions le modèle de régression linéaire pour une classe générale de processus localement stationnaires
This thesis regroups our results on dependent time series prediction. The work is divided into three main chapters where we tackle different problems. The first one is the aggregation of predictors of Causal Bernoulli Shifts using a Bayesian approach. The second one is the aggregation of predictors of what we define as sub-linear processes. Locally stationary time varying autoregressive processes receive a particular attention; we investigate an adaptive prediction scheme for them. In the last main chapter we study the linear regression problem for a general class of locally stationary processes
3

Gaillard, Pierre. "Contributions à l’agrégation séquentielle robuste d’experts : Travaux sur l’erreur d’approximation et la prévision en loi. Applications à la prévision pour les marchés de l’énergie." Thesis, Paris 11, 2015. http://www.theses.fr/2015PA112133/document.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
Nous nous intéressons à prévoir séquentiellement une suite arbitraire d'observations. À chaque instant, des experts nous proposent des prévisions de la prochaine observation. Nous formons alors notre prévision en mélangeant celles des experts. C'est le cadre de l'agrégation séquentielle d'experts. L'objectif est d'assurer un faible regret cumulé. En d'autres mots, nous souhaitons que notre perte cumulée ne dépasse pas trop celle du meilleur expert sur le long terme. Nous cherchons des garanties très robustes~: aucune hypothèse stochastique sur la suite d'observations à prévoir n'est faite. Celle-ci est supposée arbitraire et nous souhaitons des garanties qui soient vérifiées quoi qu'il arrive. Un premier objectif de ce travail est l'amélioration de la performance des prévisions. Plusieurs possibilités sont proposées. Un exemple est la création d'algorithmes adaptatifs qui cherchent à s'adapter automatiquement à la difficulté de la suite à prévoir. Un autre repose sur la création de nouveaux experts à inclure au mélange pour apporter de la diversité dans l'ensemble d'experts. Un deuxième objectif de la thèse est d'assortir les prévisions d'une mesure d'incertitude, voire de prévoir des lois. Les applications pratiques sont nombreuses. En effet, très peu d'hypothèses sont faites sur les données. Le côté séquentiel permet entre autres de traiter de grands ensembles de données. Nous considérons dans cette thèse divers jeux de données du monde de l'énergie (consommation électrique, prix de l'électricité,...) pour montrer l'universalité de l'approche
We are interested in online forecasting of an arbitrary sequence of observations. At each time step, some experts provide predictions of the next observation. Then, we form our prediction by combining the expert forecasts. This is the setting of online robust aggregation of experts. The goal is to ensure a small cumulative regret. In other words, we want that our cumulative loss does not exceed too much the one of the best expert. We are looking for worst-case guarantees: no stochastic assumption on the data to be predicted is made. The sequence of observations is arbitrary. A first objective of this work is to improve the prediction accuracy. We investigate several possibilities. An example is to design fully automatic procedures that can exploit simplicity of the data whenever it is present. Another example relies on working on the expert set so as to improve its diversity. A second objective of this work is to produce probabilistic predictions. We are interested in coupling the point prediction with a measure of uncertainty (i.e., interval forecasts,…). The real world applications of the above setting are multiple. Indeed, very few assumptions are made on the data. Besides, online learning that deals with data sequentially is crucial to process big data sets in real time. In this thesis, we carry out for EDF several empirical studies of energy data sets and we achieve good forecasting performance
4

Gagnon, Jean-François. "Prévision humaine de séries temporelles." Doctoral thesis, Université Laval, 2014. http://hdl.handle.net/20.500.11794/25243.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
La fonction cognitive de prévision est à la base du processus de décision dans plusieurs domaines de travail tels que les finances, la gestion des inventaires et la médecine. Les individus en charge de prendre des décisions quant à l’évolution de situations dynamiques complexes commettent régulièrement des erreurs, généralement attribuées à l’utilisation de stratégies décisionnelles simplificatrices : les heuristiques. Ces heuristiques sont décrites comme irrationnelles puisqu’elles ne tiennent pas compte de l’ensemble des informations disponibles pour porter un jugement sur l’évolution future d’une situation. À l’inverse, la classe de modèle du jugement linéaire constituerait la norme rationnelle dans ce contexte. Les modèles de jugement linéaire stipulent qu’un jugement optimal rationnel intègre et pondère linéairement l’ensemble des indices disponibles pour la prévision d’un critère au sein d’une seule représentation. Plus le jugement d’une personne s’écarterait du jugement linéaire, plus il serait irrationnel. La thèse remet cet énoncé en question et tente de valider une vision plus adaptative de la rationalité dans un contexte de prévision de situations dynamiques complexes. La rationalité dite écologique considère que la norme rationnelle ne doit pas être absolue, mais plutôt définie en fonction des contraintes environnementales. Selon cette vision de la rationalité, il est possible que dans un environnement favorable, une heuristique donnée soit plus performante que l’application d’une règle de jugement linéaire. Les individus sélectionneraient ainsi la stratégie la plus adaptée au contexte à partir d’un bassin de stratégies disponibles en mémoire à long terme. Or, à l’aide de simulations, la présente thèse démontre qu’il est possible que des heuristiques simplificatrices performent mieux que le jugement linéaire et que cette modulation dépend en partie des contraintes environnementales. La thèse suggère ensuite que les individus appliquent différentes stratégies en fonction des contraintes environnementales et que la stratégie appliquée est généralement adaptée à la nature de la situation. Finalement, la thèse indique que certaines limites cognitives ont également un impact sur la sélection de stratégies de prévision. Dans l’ensemble, ce patron de résultats appuie une vision écologique de la rationalité, mais souligne également que les limites cognitives fondamentales des individus contraignent le bassin de stratégies disponibles.
5

Hmamouche, Youssef. "Prédiction des séries temporelles larges." Thesis, Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0480.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
De nos jours, les systèmes modernes sont censés stocker et traiter des séries temporelles massives. Comme le nombre de variables observées augmente très rapidement, leur prédiction devient de plus en plus compliquée, et l’utilisation de toutes les variables pose des problèmes pour les modèles classiques.Les modèles de prédiction sans facteurs externes sont parmi les premiers modèles de prédiction. En vue d’améliorer la précision des prédictions, l’utilisation de multiples variables est devenue commune. Ainsi, les modèles qui tiennent en compte des facteurs externes, ou bien les modèles multivariés, apparaissent, et deviennent de plus en plus utilisés car ils prennent en compte plus d’informations.Avec l’augmentation des données liées entre eux, l’application des modèles multivariés devient aussi discutable. Le challenge dans cette situation est de trouver les facteurs les plus pertinents parmi l’ensemble des données disponibles par rapport à une variable cible.Dans cette thèse, nous étudions ce problème en présentant une analyse détaillée des approches proposées dans la littérature. Nous abordons le problème de réduction et de prédiction des données massives. Nous discutons également ces approches dans le contexte du Big Data.Ensuite, nous présentons une méthodologie complète pour la prédiction des séries temporelles larges. Nous étendons également cette méthodologie aux données très larges via le calcul distribué et le parallélisme avec une implémentation du processus de prédiction proposé dans l’environnement Hadoop/Spark
Nowadays, storage and data processing systems are supposed to store and process large time series. As the number of variables observed increases very rapidly, their prediction becomes more and more complicated, and the use of all the variables poses problems for classical prediction models.Univariate prediction models are among the first models of prediction. To improve these models, the use of multiple variables has become common. Thus, multivariate models and become more and more used because they consider more information.With the increase of data related to each other, the application of multivariate models is also questionable. Because the use of all existing information does not necessarily lead to the best predictions. Therefore, the challenge in this situation is to find the most relevant factors among all available data relative to a target variable.In this thesis, we study this problem by presenting a detailed analysis of the proposed approaches in the literature. We address the problem of prediction and size reduction of massive data. We also discuss these approaches in the context of Big Data.The proposed approaches show promising and very competitive results compared to well-known algorithms, and lead to an improvement in the accuracy of the predictions on the data used.Then, we present our contributions, and propose a complete methodology for the prediction of wide time series. We also extend this methodology to big data via distributed computing and parallelism with an implementation of the prediction process proposed in the Hadoop / Spark environment
6

Hmamouche, Youssef. "Prédiction des séries temporelles larges." Electronic Thesis or Diss., Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0480.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
De nos jours, les systèmes modernes sont censés stocker et traiter des séries temporelles massives. Comme le nombre de variables observées augmente très rapidement, leur prédiction devient de plus en plus compliquée, et l’utilisation de toutes les variables pose des problèmes pour les modèles classiques.Les modèles de prédiction sans facteurs externes sont parmi les premiers modèles de prédiction. En vue d’améliorer la précision des prédictions, l’utilisation de multiples variables est devenue commune. Ainsi, les modèles qui tiennent en compte des facteurs externes, ou bien les modèles multivariés, apparaissent, et deviennent de plus en plus utilisés car ils prennent en compte plus d’informations.Avec l’augmentation des données liées entre eux, l’application des modèles multivariés devient aussi discutable. Le challenge dans cette situation est de trouver les facteurs les plus pertinents parmi l’ensemble des données disponibles par rapport à une variable cible.Dans cette thèse, nous étudions ce problème en présentant une analyse détaillée des approches proposées dans la littérature. Nous abordons le problème de réduction et de prédiction des données massives. Nous discutons également ces approches dans le contexte du Big Data.Ensuite, nous présentons une méthodologie complète pour la prédiction des séries temporelles larges. Nous étendons également cette méthodologie aux données très larges via le calcul distribué et le parallélisme avec une implémentation du processus de prédiction proposé dans l’environnement Hadoop/Spark
Nowadays, storage and data processing systems are supposed to store and process large time series. As the number of variables observed increases very rapidly, their prediction becomes more and more complicated, and the use of all the variables poses problems for classical prediction models.Univariate prediction models are among the first models of prediction. To improve these models, the use of multiple variables has become common. Thus, multivariate models and become more and more used because they consider more information.With the increase of data related to each other, the application of multivariate models is also questionable. Because the use of all existing information does not necessarily lead to the best predictions. Therefore, the challenge in this situation is to find the most relevant factors among all available data relative to a target variable.In this thesis, we study this problem by presenting a detailed analysis of the proposed approaches in the literature. We address the problem of prediction and size reduction of massive data. We also discuss these approaches in the context of Big Data.The proposed approaches show promising and very competitive results compared to well-known algorithms, and lead to an improvement in the accuracy of the predictions on the data used.Then, we present our contributions, and propose a complete methodology for the prediction of wide time series. We also extend this methodology to big data via distributed computing and parallelism with an implementation of the prediction process proposed in the Hadoop / Spark environment
7

Hugueney, Bernard. "Représentations symboliques de longues séries temporelles." Paris 6, 2003. http://www.theses.fr/2003PA066161.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Nowakowski, Samuel. "Détection de défauts dans les séries temporelles." Nancy 1, 1989. http://www.theses.fr/1989NAN10074.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
Utilisation des calculs de distances pour résoudre des problèmes rencontrés pour les tests de détection de changements tels que le test du rapport de vraisemblance généralisé. Expérimentation de la méthode de la variable instrumentale
9

Haykal, Vanessa. "Modélisation des séries temporelles par apprentissage profond." Thesis, Tours, 2019. http://www.theses.fr/2019TOUR4019.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
La prévision des séries temporelles est un problème qui est traité depuis de nombreuses années. Dans cette thèse, on s’est intéressé aux méthodes issues de l’apprentissage profond. Il est bien connu que si les relations entre les données sont temporelles, il est difficile de les analyser et de les prévoir avec précision en raison des tendances non linéaires et du bruit présent, spécifiquement pour les séries financières et électriques. A partir de ce contexte, nous proposons une nouvelle architecture de réduction de bruit qui modélise des séries d’erreurs récursives pour améliorer les prévisions. L’apprentissage hybride fusionne simultanément un réseau de neurones convolutifs (CNN) et un réseau récurrent à mémoire long et court termes (LSTM). Ce modèle se distingue par sa capacité à capturer globalement différentes propriétés telles que les caractéristiques locales du signal, d’apprendre les dépendances non linéaires à long terme et de s’adapter également à une résistance élevée au bruit. La seconde contribution concerne les limitations des approches globales en raison des changements de régimes dynamiques dans le signal. Nous présentons donc une modification locale non-supervisée de notre architecture précédente afin d’ajuster les résultats en pilotant le modèle par un modèle de Markov caché (HMM). Enfin, on s’est également intéressé aux techniques de multi-résolutions pour améliorer les performances des couches convolutives, notamment par la méthode de décomposition en mode variationnel (VMD)
Time series prediction is a problem that has been addressed for many years. In this thesis, we have been interested in methods resulting from deep learning. It is well known that if the relationships between the data are temporal, it is difficult to analyze and predict accurately due to non-linear trends and the existence of noise specifically in the financial and electrical series. From this context, we propose a new hybrid noise reduction architecture that models the recursive error series to improve predictions. The learning process fusessimultaneouslyaconvolutionalneuralnetwork(CNN)andarecurrentlongshort-term memory network (LSTM). This model is distinguished by its ability to capture globally a variety of hybrid properties, where it is able to extract local signal features, to learn long-term and non-linear dependencies, and to have a high noise resistance. The second contribution concerns the limitations of the global approaches because of the dynamic switching regimes in the signal. We present a local unsupervised modification with our previous architecture in order to adjust the results by adapting the Hidden Markov Model (HMM). Finally, we were also interested in multi-resolution techniques to improve the performance of the convolutional layers, notably by using the variational mode decomposition method (VMD)
10

Jabbari, Ali. "Encodage visuel composite pour les séries temporelles." Thesis, Université Grenoble Alpes (ComUE), 2018. http://www.theses.fr/2018GREAM035/document.

Full text
APA, Harvard, Vancouver, ISO, and other styles
Abstract:
Les séries temporelles sont l'un des types de données les plus courants dans divers domaines scientifiques, industriels et financiers. Selon le contexte, l'analyse des séries temporelles est effectuée à diverses fins: prévision, estimation, classification et détection des tendances et des événements. Grâce aux capacités exceptionnelles de la perception visuelle humaine, la visualisation reste l'un des outils les plus puissants pour l'analyse de données, en particulier pour les données temporelles. Avec la croissance de volume et de la complexité des jeux de données, de nouvelles techniques de visualisation sont clairement nécessaires pour améliorer l'analyse des données. Elles visent à faciliter l'analyse visuelle dans le cas où des situations ou des tâches sont bien spécifiées, ou à favoriser l'analyse exploratoire non guidée.La visualisation est basée sur le "mapping visuel", un processus qui consiste à associer les valeurs de données aux canaux visuels comme la position, la taille et la couleur des éléments graphiques. A cet égard, la forme la plus connue de visualisation des séries temporelles, c'est-à-dire les graphiques linéaires ("line charts" en anglais), consiste en une mise en correspondance des valeurs de données avec la position verticale de la ligne. Cependant, un seul mapping visuel ne convient pas à toutes les situations et objectifs analytiques.Notre but est d'introduire des alternatives au mapping visuel conventionnel et de trouver des situations dans lesquelles, la nouvelle approche compense la simplicité et la familiarité des techniques existantes. Nous présentons une revue de l'état de l'art sur la visualisation des séries chronologiques, puis nous nous concentrons sur les approches existantes du mapping visuel.Ensuite, nous présentons nos contributions. Notre première contribution est une étude systématique d'un «mapping visuelle composite» qui consiste à utiliser des combinaisons de canaux visuels pour communiquer différentes facettes d'une série temporelle. Au moyen de plusieurs expériences avec des utilisateurs, nous comparons les nouveaux mappings visuels à une technique de référence existante et nous mesurons la vitesse et la précision des utilisateurs dans différentes tâches analytiques. Nos résultats montrent que les nouvelles conceptions visuelles conduisent à des performances analytiques proches de celles des techniques existantes sans être inutilement complexes ou nécessiter un entraînement. De plus, certains mappings proposés surpassent les techniques existantes dans les situations de contraintes spatiales. L'efficacité spatiale est d'une grande importance pour la visualisation simultanée de grands volumes de données ou de visualisation sur de petits écrans. Les deux scénarios font partie des défis actuels de la visualisation de l'information
Time series are one of the most common types of recorded data in various scientific, industrial, and financial domains. Depending on the context, time series analysis are used for a variety of purposes: forecasting, estimation, classification, and trend and event detection. Thanks to the outstanding capabilities of human visual perception, visualization remains one of the most powerful tools for data analysis, particularly for time series. With the increase in data sets' volume and complexity, new visualization techniques are clearly needed to improve data analysis. They aim to facilitate visual analysis in specified situations, tasks, or for unguided exploratory analysis.Visualization is based upon visual mapping, which consists in association of data values to visual channels, e.g. position, size, and color of the graphical elements. In this regard, the most familiar form of time series visualization, i.e. line charts, consists in a mapping of data values to the vertical position of the line. However, a single visual mapping is not suitable for all situations and analytical objectives.Our goal is to introduce alternatives to the conventional visual mapping and find situations in which, the new approach compensate for the simplicity and familiarity of the existing techniques. We present a review of the existing literature on time series visualization and then, we focus on the existing approaches to visual mapping.Next, we present our contributions. Our first contribution is a systematic study of a "composite" visual mapping which consists in using combinations of visual channels to communicate different facets of a time series. By means of several user studies, we compare our new visual mappings with an existing reference technique and we measure users' speed and accuracy in different analytical tasks. Our results show that the new visual designs lead to analytical performances close to those of the existing techniques without being unnecessarily complex or requiring training. Also, some of the proposed mappings outperform the existing techniques in space constraint situations. Space efficiency is of great importance to simultaneous visualization of large volumes of data or visualization on small screens. Both scenarios are among the current challenges in information visualization
More sources

Books on the topic "Agrégation des séries temporelles":

1

Aragon, Yves. Séries temporelles avec R. Paris: Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Gourieroux, Christian. Séries temporelles et modèles dynamiques. Paris: Economica, 1990.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
3

Thionbiano, Taladidia. ECONOMÉTRIE DES SÉRIES TEMPORELLES - Cours et exercices. Paris: Editions L'Harmattan, 2008.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
4

Meuriot, Véronique. Une histoire des concepts des séries temporelles. Louvain-la-Neuve: Harmattan-Academia, 2012.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
5

Aragon, Yves. Séries temporelles avec R: Méthodes et cas. Paris: Springer Paris, 2011.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
6

Pawłowski, Adam. Séries temporelles en linguistique: Avec application à l'attribution de textes, Romain Gary et Emile Ajar. Paris: H. Champion, 1998.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
7

Enders, Walter. Applied econometric time series. 2nd ed. Hoboken, NJ: Wiley, 2003.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
8

Enders, Walter. Applied econometric time series. New York: John Wiley, 1995.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
9

Franses, Philip Hans. Time series models for business and economic forecasting. Cambridge, UK: Cambridge University Press, 1998.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
10

Aragon, Yves. Séries temporelles avec R. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2.

Full text
APA, Harvard, Vancouver, ISO, and other styles
More sources

Book chapters on the topic "Agrégation des séries temporelles":

1

Aragon, Yves. "Séries temporelles non stationnaires." In Pratique R, 97–120. Paris: Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_5.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Aragon, Yves. "R pour les séries temporelles." In Pratique R, 21–38. Paris: Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_2.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Aragon, Yves. "Démarche de base en séries temporelles." In Pratique R, 1–20. Paris: Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_1.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Aragon, Yves. "Modèles de base en séries temporelles." In Pratique R, 57–95. Paris: Springer Paris, 2011. http://dx.doi.org/10.1007/978-2-8178-0208-4_4.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

"Bibliographie." In Analyse des séries temporelles, 345–52. Dunod, 2016. http://dx.doi.org/10.3917/dunod.bourb.2016.01.0345.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

"Chapitre 2 R pour les séries temporelles." In Séries temporelles avec R, 21–38. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-005.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

"Chapitre 6 Lissage exponentiel." In Séries temporelles avec R, 123–34. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-009.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

"AVANT-PROPOS." In Séries temporelles avec R, xi—xvi. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-003.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

"Chapitre 8 Trafic mensuel de l’aéroport de Toulouse-Blagnac." In Séries temporelles avec R, 149–72. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-011.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

"Index." In Séries temporelles avec R, 261–64. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-1994-2-017.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Conference papers on the topic "Agrégation des séries temporelles":

1

LAFON, Virginie, Arthur ROBINET, Tatiana DONNAY, David DOXARAN, Bertrand LUBAC, Eric MANEUX, Aldo SOTTOLICHIO, and Olivier HAGOLLE. "RIVERCOLOR : chaîne de traitement des séries temporelles LANDSAT, SPOT et MODIS dédiée à la cartographie des matières en suspension en zone estuarienne." In Journées Nationales Génie Côtier - Génie Civil. Editions Paralia, 2014. http://dx.doi.org/10.5150/jngcgc.2014.067.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Reports on the topic "Agrégation des séries temporelles":

1

Perreault, L., A. Nicault, É. Boucher, D. Arseneault, and F. Gennaretti. Analyse des changements de régimes dans les séries temporelles issues de la dendrochronologie. Natural Resources Canada/CMSS/Information Management, 2021. http://dx.doi.org/10.4095/328084.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Nicault, A., L. Cournoyer, T. Labarre, and Y. Bégin. Analyse des relations entre le climat et les séries temporelles de densité de cerne. Natural Resources Canada/CMSS/Information Management, 2021. http://dx.doi.org/10.4095/328074.

Full text
APA, Harvard, Vancouver, ISO, and other styles

To the bibliography