WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Estimation des besoins en N, P et K du basilic (Ocimum basilicum L.) par le module DSSB et gestion optimale de N dans la Région Maritime du Togo

( Télécharger le fichier original )
par Ayi Koffi ADDEN
Université de Lomé - Diplôme d'Ingénieur Agronome 2005
  

précédent sommaire suivant

1.8 Outils d'Aide à la Décision

Dans le domaine de la modélisation, les Outils d'Aide à la Décision (OAD) sont des systèmes informatiques (modèles) conçus pour assister l'utilisateur dans la résolution de problèmes complexes et aider dans la prise de décisions particulières (Newman et al. 1999). Ils offrent les possibilités d'explorer le futur et pourvoient une base de référence.

La thématique de la modélisation fait appel à des terminologies qu'il convi ent d'expliquer.

1.8.1 Terminologie

1.8.1.1 Approche système

Un système est un ensemble d'éléments inter -agissants en harmonie de telle sorte qu'une affectation d'un élément entraîne un changement conséquent du comportement de l'ensemble. (Jones et Luyten, 1998 ; Struif-Bontkes, 1999)

Le système est circonscrit dans le temps et dans l'espace et ses limites sont voulues par le concepteur suivant l'objectif visé en vue d'étudier une partie du monde réel (Penning de Vries et Robbing, 1995 ; Jones et Luyten, 1998).

L'approche système est une méthode de recherche souvent interdisciplinaire, qui demande la perception d'un sujet (un problème) de manière globale comme un système afin de mieux l'étudier (Struif-Bontkes, 2001).

Pour étudier une problématique, par exemple la fertilité d'un sol pour une culture donnée, on peut définir le système sol-plante et circonscrire les limites de ce système. On étudiera alors toutes les actions au sein du système défini et les facteurs qui agissent sur ce système.

1.8.1.2 Modélisation et simulation

La modélisation est l'activité qui consiste à convertir un système défini en un modèle (Dzotsi, 2002). Le modèle est une représentation mathématique d'un système (Jones et Luyten, 1998).

La simulation est l'imitation du comportement réel d'un système (Jones et Luyten, 1998 ; Struif-Bontkes, 2001). Elle consiste à faire voir les états successifs d'un système défini, grâce à la conversion en un ensemble de relations mathématiques des données définissant l'état initial (Delforg e, 1984; Struif-Bontkes, 1999).

1.8.2 Elaboration d'un modèle

Il n'existe pas une seule méthode spécifique pour développer un modèle. La méthode à utiliser dépend des objectifs et des circonstances (Struif-Bontkes, 2001). Nous proposons ici l'approche décrite par Jones et Luyten (1998).

a- Définition des objectifs de départ

Il est essentiel de débuter par les raisons motivant le choix des modèles pour résoudre le problème posé car tout le reste du travail se base sur cette étape initiale. Il est aussi important à cette phase de décrire explicitement les problèmes à résoudre et leur gestion ainsi que les résultats auxquels on s'attend de la part du modèle (Jones et Luyten, 1998).

b- Définition du système à étudier

On définit à cette étape les composantes du système et ses limites. Il faut décrire aussi les échanges (flux entrants et sortants) que le système effectue avec son environnement. Il est important de savoir que toute information additionnelle nécessite une redéfinition du système à étudier (Jones et Luyten, 1998).

c- Revue de la littérature

En prélude au développement du modèle, il est nécessaire de procéder à une recherche documentaire en vue d'acquérir des informations sur les études antérieures. A cette étape, on établit des caractéristiques du système. La revue de littérature permet de définir les paramètres inconnus ou de juger de la pertinence de certains paramètres du modèle (Jones et Luyten, 1998).

d- Développement du modèle

Dans cette étape, il est conseillé d'utiliser des diagr ammes représentants les éléments du système et de définir les relations entre ces éléments. La représentation mathématique du système sera développée incluant les fonctions et les relations spécifiques à utiliser dans le modèle. Les essais en milieux réels sont nécessaires pour avoir les données permettant d'estimer les paramètres et de développer les fonctions du modèle. Ces paramètres et fonctions seront traduits en langage informatique pour simuler le comportement du système réel étudié (Jones et Luyten, 1998).

e- Evaluation de la précision du modèle

L'évaluation d'un modèle se définit en terme de vérification, de calibrage et de validation du modèle (Sogbédji et al., 200 1ab).

La vérification d'un modèle se réfère à la reproductivité par le modèle à 95 % près des données ayant servi à son développement.

Le calibrage consiste à ajuster les paramètres du modèle afin qu'il y ait peu de différence entre les prédictions du modèle et les mesures réelles prises au sein du système (Jones et Luyten, 1998; Frei, 2003). Il est également l'ensemble des processus permettant de rendre un modèle capable de mieux imiter la réalité. (Sinclair et Seligman, 2000).

Un modèle publiable est dit « validé » en ce sens qu'il est bien monté ou justifié suivant les théories scientifiques (Merriam-Webster, 1998). On procède à la validation d'un modèle par la comparaison des valeurs prédites du modèle avec des données expérimentales issues du système prédéfini, et qui n'ont aucunement servi ni au calibrage ni au développement du modèle (Jones et Luyten, 1998). L'objectif de la validation est non seulement de déterminer la précision de la capacité prédictive du modèle mais aussi de tester le comportement du modèle vis-à-vis de la réalité (Monteith, 1996; Sinclair et Seligman, 2000). La validation est admise comme l'ultime et le légitime test d'un modèle dans des conditions spécifiques, en vue de son usage général (Oreskes et al., 1994; Dzotsi,

2002). La validation d'un modèle est un test de la performance de celui -ci par rapport aux objectifs de son développement.

Des tests statistiques sont utilisés pour vérifier si le comportement du modèle est différent du comportement du système réel. Aucun test ou combinaison de tests statistiques n'est défini comme étant valable pour l'évaluation d 'un modèle. Le niveau de confiance acceptable est établi normalement par une série de jugements et de modifications subséquentes jusqu'au moment où le modèle répond usuellement au support décisionnel pour lequel il est développé (Jury et al., 1986; Saleh et al., 1990).

La tendance actuelle développée par de grands auteurs de modèles sur la précision de ceux-ci préconise l'usage du terme « validation » uniquement pour les modèles qui sont universellement admis et éprouvé. Le terme usuté en remplacement est « test de la performance ». C'est ce dernier terme qui sera utilisé dans notre étude.

f- Analyse de la sensibilité

Cette phase détermine combien les variations des paramètres du modèle influenceraient les résultats du modèle (Jones et Luyten, 1998). L'analyse de la sensibilité du modèle permet de jauger le comportement du modèle suite aux variations par rapport à l'évolution des conditions réelles.

g- Application du modèle

Il est souhaitable que cette phase soit confiée à des personnes n'ayant pas p articipé au développement du modèle. Il est important d'établir un guide d'utilisation qui précise l'objectif original et le système de référence pour qu'on puisse comprendre aisément le système étudié (Jones et Luyten, 1998). Il est important de procéder à une application du modèle afin de vérifier s'il répond au mieux aux besoins pour lesquels il est développé.

précédent sommaire suivant