Next: Modèles synthétiques Up: Tomographie de déplacements Previous: Conclusion   Contents

Recherche du meilleur modèle

L'équation 96 permet de contrôler la répartition des variations de volume ${\bf m}$ des sources unitaires. $\beta$ permet d'ajuster ce contrôle : plus $\beta$ est petit, moins la répartition des variations de volume sera compacte (forte rugosité), plus $\beta$ est grand, plus cette répartition sera lissée (faible rugosité), mais moins bons sera l'accord entre les déplacements modélisés et observés (misfit élevé). Comment trouver la valeur de $\beta$ la plus pertinente ?

On se propose d'évaluer la méthode de Cross Validation Sum of Square (CVSS) pour la détermination du meilleur compromis entre misfit et rugosité. Différentes versions de cette méthode seront testées sur des modèles synthétiques dont les paramètres sont parfaitement connus a priori. Après avoir présenté les modèles synthétiques utilisés, nous détaillerons les principes de différentes méthodes de CVSS, puis nous testerons ces méthodes sur les modèles synthétiques.

• Modèles synthétiques
• Méthode de Cross Validation Sum of Square (CVSS)
  • Principe
  • Segmentation des données
  • Cas particulier : méthode analytique Leave One Out (LOO)
  
  
• Comparaison des méthodes LOO et CVSS
  • Modèle idéal
  • Indices de comparaison
  • Résultats
  
  
• Conclusion