Volume 16, 2012


1. Un modèle intégré pour explorer les trajectoires d'utilisation de l'espace

Eric Fotsing ; Peter H. Verburg ; Wouter T. De Groot ; Jean-Paul Cheylan ; Maurice Tchuenté.
Les modèles spatiaux dynamiques sont des outils de très grande importance pour l'étude des systèmes complexes comme les systèmes environnementaux. De plus, une approche intégrée est indispensable lorsqu'on veut avoir une compréhension plus complète du comportement de ces systèmes. Cet article décrit les bases d'un modèle intégré développé pour explorer les trajectoires d'utilisation de l'espace dans la région autour de Maroua, à l'Extrême Nord du Cameroun. Le modèle simule la compétition entre différentes catégories d'utilisation de l'espace en prenant en compte l'influence d'un ensemble de facteurs biophysiques, sociodémographiques et géoéconomiques. On distingue trois principaux modules. Le module de simulation dynamique combine les résultats des modules d'analyse spatiale et de prédiction. La calibration et la validation du modèle ont été effectuées pour la période entre 1987 et 1999, et la simulation des changements entre 1999 et 2010. Trois scénarios ont été formulés en s'appuyant sur l'analyse des tendances observées et les hypothèses de transition du système d'utilisation de l'espace. Les principales dynamiques observées concernent le développement de la culture maraîchère et l'extension de la culture du sorgho de contre saison qui induisent une compétition plus importante et des conflits. Les résultats de simulation pour chaque scénario […]

2. A mixture of local and quadratic approximation variable selection algorithm in nonconcave penalized regression

Assi N'GUESSAN ; Ibrahim Sidi Zakari ; Assi Mkhadri.
We consider the problem of variable selection via penalized likelihood using nonconvex penalty functions. To maximize the non-differentiable and nonconcave objective function, an algorithm based on local linear approximation and which adopts a naturally sparse representation was recently proposed. However, although it has promising theoretical properties, it inherits some drawbacks of Lasso in high dimensional setting. To overcome these drawbacks, we propose an algorithm (MLLQA) for maximizing the penalized likelihood for a large class of nonconvex penalty functions. The convergence property of MLLQA and oracle property of one-step MLLQA estimator are established. Some simulations and application to a real data set are also presented.

3. A posteriori error estimates for non conforming approximation of quasi Stokes problem

B. Achchab ; A. Agouzal ; K. Bouihat.
We derive and analyze an a posteriori error estimator for nonconforming finite element approximation for the quasi-Stokes problem, which is based on the solution of local problem on stars with low cost computation, this indicator is equivalent to the energy error norm up to data oscillation, neither saturation assumption nor comparison with residual estimator are made.