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

 > 

Identification des élements nutritfs majeurs limitants et des stratégies appropriées de fertilisation sous culture de maïs dans l'Ogou-Est de la région de Plateaux

( Télécharger le fichier original )
par Badjissaga MABA
Université de Lomé - TOGO - Ingénieur Agronome 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.3.2.3. Calibrage d'un modèle.

Le calibrage d'un modèle consiste à ajuster les valeurs des paramètres pour que les données simulées correspondent aux valeurs expérimentales obtenues au champ ou au laboratoire (Dzotsi, 2002). Selon Bazi et al, (1995), c'est un processus d'ajustement dans lequel quelques aspects non conformes du modèle sont «retouchés» en optimisant la valeur de quelques paramètres, en vue de les adapter aux observations réelles. Cependant, le calibrage se fait dans des conditions climatiques et édaphiques bien déterminées ; ce qui fait que le modèle calibré n'a de valeur prédictive que locale. Il faut cependant se méfier de ce processus d'ajustement car il aboutit à des paramètres qui sont plus liées aux données réelles actuellement disponibles qu'à celles des observations futures (Ezui, 2001). C'est pourquoi Aboudrare et al, (1999) proposent plutôt le terme calage qui consiste à ajuster un petit nombre de paramètres du modèle de manière à obtenir une simulation satisfaisante. Le calage fait dans les conditions climatiques et édaphiques bien déterminées n'aura de valeurs prédictives que localement.

En effet, le modèle ne peut être utilisé efficacement dans un autre milieu qu'après recalibrage et ceci doit être répété chaque fois que l'on passe d'un milieu à l'autre (Ankou, 2003).

1.3.2.4. Evaluation et validation d'un modèle

Une fois calibré, le modèle dont on veut faire un usage plus général, doit être testé pour différentes conditions de sol, de climat et de culture. Il s'agit de l'évaluation du modèle. Il est généralement accepté que le test ultime d'un modèle est la précision avec laquelle il décrit un système réel, ce qui implique la comparaison des prévisions du modèle avec les mesures réelles (Jones et Kiniry, 1986 ; Du Toit et al, 2001).

La validation est un processus de construction du bon système, c'est-à-dire que les résultats du système représentent clairement la situation réelle qui est simulée (Singh et Alagarswamy, 1989). D'après Coulibaly et al, (1995), la validation consiste en une comparaison entre le modèle et la réalité perçue par une série de résultats expérimentaux. La validité d'un modèle se résume ainsi à sa capacité à simuler efficacement la réalité.

En bref, le terme validation (Dzotsi, 2002) désigne la phase de généralisation du modèle consistant à établir les lois de variation des paramètres en fonction du type de sol, de la culture et du climat.

DEUXIEME PARTIE

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Entre deux mots il faut choisir le moindre"   Paul Valery