Probabilistic Analysis, Combinatorial Study and Parametric Estimation for a Class of Plant Growth Models with Stochastic Development
| Autor: | Loi, Cédric |
|---|---|
| Přispěvatelé: | Mathématiques Appliquées aux Systèmes - EA 4037 (MAS), Ecole Centrale Paris, Modélisation de la croissance et de l'architecture des plantes (DIGIPLANTE), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Mathématiques Appliquées aux Systèmes - EA 4037 (MAS), Ecole Centrale Paris-Ecole Centrale Paris, Paul-Henry Cournède(paul-henry.cournede@ecp.fr) |
| Jazyk: | francouzština |
| Rok vydání: | 2011 |
| Předmět: |
functional-structural plant growth model
méthode symbolique processus de branchement GreenLab Bayesian inference filtrage particulaire modèle de Markov Caché inférence bayésienne [MATH]Mathematics [math] hidden Markov model symbolic method branching process modèle de croissance de plantes structure-fonction |
| Zdroj: | Mathématiques [math]. Ecole Centrale Paris, 2011. Français |
| Popis: | This PhD focuses on a particular class of stochastic models of functional-structural plant growth to which the GreenLab model belongs. First, the stochastic processes underlying the organogenesis phenomenon were studied. A new combinatorial framework based on formal grammars was built to study the distributions of the number of organs or more generally patterns in plant structures. This work led to the creation of a symbolic method which allows the computation of the distributions associated to word occurrences in random texts generated by stochastic L-systems. The second part of the PhD tackles the estimation of the parameters of the functional submodel (linked to the creation of biomass by photosynthesis and its allocation). For this purpose, the plant model was described by a hidden Markov model and Bayesian inference methods were used to solve the problem.; Dans cette thèse, nous nous intéressons à une classe particulière de modèles stochastique de croissance de plantes structure-fonction à laquelle appartient le modèle GreenLab. L'objectif est double. En premier lieu, il s'agit d'étudier les processus stochastiques sous-jacents à l'organogenèse. Un nouveau cadre de travail combinatoire reposant sur l'utilisation de grammaires formelles a été établi dans le but d'étudier la distribution des nombres d'organes ou plus généralement des motifs dans la structure des plantes. Ce travail a abouti à la mise en place d'une méthode symbolique permettant le calcul de distributions associées à l'occurrence de mots dans des textes générés aléatoirement par des L-systèmes stochastiques. La deuxième partie de la thèse se concentre sur l'estimation des paramètres liés au processus de création de biomasse par photosynthèse et de son allocation. Le modèle de plante est alors écrit sous la forme d'un modèle de Markov caché et des méthodes d'inférence bayésienne sont utilisées pour résoudre le problème. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|