Data-driven, non-Markovian modelling of weather in the presence of non-stationary, non-Gaussian, and heteroskedastic climate dynamics

Cet article présente une approche de modélisation non markovienne et pilotée par les données pour décrire les fluctuations météorologiques non stationnaires et hétéroscédastiques, en utilisant une équation maîtresse généralisée basée sur l'état pour surmonter les limites des équations de Langevin généralisées dans des systèmes dissipatifs hors équilibre.

L'essentiel

🌤️ Prévoir la météo : Quand les mathématiques rencontrent le chaos

Imaginez que vous essayez de prédire la température à Boulder, dans le Colorado, pour les mois à venir. C'est un peu comme essayer de deviner la trajectoire d'une feuille qui tombe dans un courant d'air turbulent, mais en plus compliqué : le vent change selon les saisons, il y a des rafales imprévisibles, et la feuille réagit différemment selon qu'elle est en été ou en hiver.

Les scientifiques Thomas Sayer et Andrés Montoya-Castillo ont écrit un article pour expliquer comment modéliser ce chaos de manière intelligente, sans se perdre dans des équations impossibles.

Voici leur histoire, racontée simplement :

1. Le problème : La recette classique ne fonctionne plus

Pendant longtemps, les physiciens utilisaient une "recette magique" appelée l'Équation de Langevin Généralisée (GLE). C'est un outil très puissant pour prédire comment les systèmes complexes bougent (comme les atomes ou les particules).

Mais cette recette a un gros défaut : elle suppose que le système est calme et régulier (comme un lac plat). Elle suppose aussi que les surprises (les fluctuations) sont toujours de la même taille et suivent une courbe en cloche parfaite (la distribution gaussienne).

Or, la météo à Boulder, c'est tout le contraire :

• Ce n'est pas calme : En hiver, la température varie énormément (gros écarts), alors qu'en été, c'est plus stable. C'est ce qu'on appelle de l'hétéroscédasticité (un mot compliqué pour dire "la taille des vagues change").
• Ce n'est pas régulier : Les surprises ne sont pas symétriques. Il peut faire très froid de manière extrême, mais rarement très chaud de la même façon.
• Ce n'est pas stationnaire : Le système change tout le temps selon le moment de l'année.

Si on applique la recette classique à ces données, on obtient des résultats faux, comme essayer de mesurer la profondeur d'une rivière avec une règle qui se dilate quand il fait chaud.

2. La première idée : Filtrer le bruit (mais ça ne suffit pas)

Pour essayer de sauver la recette classique, les chercheurs ont d'abord essayé de "filtrer" les données. Imaginez que vous écoutez une chanson avec beaucoup de bruit de fond. Vous utilisez un filtre pour enlever la musique de fond (le cycle annuel des saisons) et ne garder que les variations soudaines (la météo du jour).

• Le résultat : Pour des villes comme Berlin, ça marche ! Les variations restantes ressemblent à un système calme et prévisible.
• Le problème à Boulder : Même après avoir enlevé le cycle des saisons, il reste du "grésillement". L'hiver reste chaotique et l'été plus calme. Les données ne sont toujours pas "propres" pour la recette classique.

3. La solution créative : Diviser pour régner

Au lieu de forcer les données à entrer dans un seul modèle rigide, les auteurs ont eu une idée brillante : diviser le problème en plusieurs petits problèmes gérables.

Imaginez que vous essayez de décrire le comportement d'une foule dans un stade. Si vous essayez de décrire tout le monde en même temps, c'est impossible. Mais si vous divisez le stade en zones (les supporters du domicile, les visiteurs, les enfants, les adultes), chaque groupe a un comportement plus simple et prévisible.

Voici leur méthode en trois étapes :

• Étape A : La boussole saisonnière
  Ils ne se contentent pas de dire "c'est l'hiver". Ils utilisent une carte spéciale (basée sur la théorie de Floquet) pour savoir exactement où on se trouve dans le cycle annuel. C'est comme regarder l'aiguille d'une horloge pour savoir si on est à 14h00 ou 14h05, même si l'heure change selon la saison.

• Étape B : Le tri des "familles" (Clustering)
  Ils regardent les variations de température et les regroupent en "familles" qui se comportent de la même façon.

  • Famille 1 (L'Été) : Calme, prévisible, symétrique.
  • Famille 2 (L'Hiver) : Chaotique, avec des pics de froid extrêmes.
  • Famille 3 (Les Équinoxes) : Un mélange des deux.
    Ils ont découvert qu'avec seulement 3 saisons mathématiques (pas forcément les saisons du calendrier), on peut capturer toute la complexité.

• Étape C : Le jeu de l'oie (Modèle de Markov)
  Une fois les saisons séparées, ils construisent un modèle simple pour chacune. Au lieu de calculer des équations complexes pour chaque instant, ils créent un tableau de probabilités (comme un jeu de l'oie).

  • Question : "Si aujourd'hui il fait 10°C en hiver, quelle est la probabilité qu'il fasse 12°C demain ?"
  • Réponse : Le modèle donne une probabilité précise.
    C'est ce qu'ils appellent un TPM-GME. C'est comme si, au lieu de prédire le futur avec une formule magique, on avait appris à l'ordinateur à jouer aux dés en se basant sur l'histoire passée.

4. Le résultat : Une prédiction qui ressemble à la réalité

En utilisant cette méthode, ils ont pu générer des simulations de température pour Boulder.

• Le test : Ils ont comparé leur simulation avec les vraies données historiques.
• Le verdict : C'est bluffant ! Leur modèle reproduit non seulement la moyenne, mais aussi les extrêmes (les jours de grand froid ou de canicule) et la façon dont le temps change d'un jour à l'autre.

Pourquoi est-ce important ?

Ce papier nous apprend deux choses essentielles :

1. La flexibilité est reine : Parfois, il ne faut pas chercher une seule équation universelle pour tout expliquer. Il vaut mieux diviser le problème en petits morceaux simples.
2. L'approche "Data-Driven" : Au lieu de forcer la nature à respecter nos théories mathématiques parfaites, on laisse les données nous dire comment elles fonctionnent, puis on construit des modèles simples autour de ces observations.

En résumé :
Imaginez que vous voulez prédire le comportement d'un enfant capricieux.

• L'ancienne méthode disait : "Il est toujours capricieux de la même façon, utilisons une formule." (Ça ne marche pas).
• La nouvelle méthode dit : "Regardons s'il est fatigué, en colère ou joyeux. Si c'est fatigué, il a un comportement prévisible. Si c'est en colère, il en a un autre."
  En séparant les "humeurs" (les saisons mathématiques), on peut enfin prédire ce qui va se passer, même dans un monde chaotique comme la météo.

C'est une victoire de l'intelligence artificielle et des statistiques sur la complexité du climat ! 🌡️❄️☀️

Résumé technique

Titre : Modélisation non markovienne et pilotée par les données de la météo en présence de dynamiques climatiques non stationnaires, non gaussiennes et hétéroscédastiques

Auteurs : Thomas Sayer et Andrés Montoya-Castillo
Date : 3 mars 2026

---

1. Problématique

La simulation de la dynamique des systèmes dissipatifs complexes et pilotés (comme la météo et le climat) reste un défi majeur. Bien que l'équation de Langevin généralisée (GLE) soit un outil puissant pour décrire ces systèmes, son application standard échoue dans des contextes réels pour plusieurs raisons :

• Non-stationnarité et non-gaussianité : Les données climatiques réelles (ex. : Boulder, Colorado) ne sont pas stationnaires (elles dépendent de la saison) et leurs fluctuations résiduelles, même après filtrage, ne suivent pas une distribution gaussienne.
• Hétéroscédasticité : La variance des fluctuations (l'amplitude du bruit) dépend de l'état du système (la température) et du temps (saison), violant l'hypothèse d'homoscédasticité requise par les GLE standards.
• Dépendance de la mémoire : Dans les systèmes non stationnaires, le noyau de friction (mémoire) dépend de la position (température), ce qui rend la construction d'une GLE unique et globale extrêmement difficile, voire impossible, car elle nécessiterait une matrice de mémoire infiniment dimensionnelle.
• Limites du filtrage simple : Les approches précédentes (comme le filtrage de Fourier) qui supposent que les fluctuations résiduelles sont gaussiennes et stationnaires échouent pour des géographies complexes comme Boulder, où les distributions restent asymétriques et bimodales selon la saison.

2. Méthodologie

Les auteurs proposent un protocole en plusieurs étapes pour construire une description dynamique de basse dimension robuste :

1. Filtrage et Extraction de la Base :

   • Utilisation d'un filtrage (type Butterworth) pour séparer la composante déterministe annuelle (la tendance saisonnière) des fluctuations résiduelles.
   • Identification d'une "base" ($T_b$) qui capture la variation lente et périodique, et d'une composante fluctuante ($T_f$).

2. Définition des "Saisons" par Homoscédasticité Locale :

   • Au lieu d'utiliser un calendrier fixe, les auteurs utilisent la théorie de Floquet pour mapper les données sur un cycle annuel.
   • Ils définissent des "états microscopiques" basés sur la position dans le cycle de la base ($T_b$ et sa dérivée).
   • Clustering : Ces états sont regroupés en "macro-états" (saisons mathématiques) en utilisant l'algorithme K-means sur les paramètres d'ajustement des histogrammes des fluctuations. L'objectif est d'identifier des périodes où les statistiques sont localement homoscédastiques (variance constante) et stationnaires, même si la distribution globale est non-gaussienne.
   • Pour Boulder, cela a abouti à trois saisons : Été, Hiver et Équinoxial (printemps/automne combinés).

3. Modélisation par Équation Maîtrisée Généralisée (GME) basée sur les États :

   • Au lieu d'appliquer une GLE continue, les auteurs discrétisent l'espace des phases (température) en états discrets pour chaque saison.
   • Ils construisent une Matrice de Transition de Probabilité (TPM) pour chaque saison.
   • L'équation dynamique est formulée comme une GME (Generalized Master Equation) :
     $$C(n\delta t) = \sum K(n\delta t - i\delta t) C(i\delta t)$$
     où $K$ est le noyau de mémoire discret.
   • Réduction Markovienne : L'analyse montre que pour ces données, le noyau de mémoire est dominé par une composante delta (mémoire courte). Ainsi, la GME peut être réduite à un Modèle d'État Markovien (MSM) sans perte significative de précision, éliminant la complexité de la mémoire longue.

4. Génération de Trajectoires Hiérarchique :

   • Pour prédire des séries temporelles, le modèle utilise la TPM pour déterminer les transitions entre les bins de température (résolution grossière, ex. 2°F).
   • Une étape de raffinement (mean-field) permet ensuite de tirer des valeurs précises à l'intérieur de chaque bin en utilisant la distribution conditionnelle (asymétrique, ajustée par une exponentielle étirée) observée dans les données historiques.

3. Contributions Clés

• Protocole de classification saisonnière adaptative : Introduction d'une méthode pour identifier des périodes de quasi-stationnarité dans des systèmes non stationnaires en se basant sur l'homoscédasticité locale et la forme des distributions, plutôt que sur des calendriers fixes.
• Alternative à la GLE pour les systèmes non-gaussiens : Démonstration que l'approche GME basée sur les états (TPM-GME) surpasse la GLE traditionnelle lorsque la friction et le bruit dépendent de la position. La TPM intègre naturellement cette dépendance spatiale sans nécessiter de noyaux de mémoire complexes.
• Validation de la Markovianité dans les données climatiques : Contrairement aux modèles climatiques globaux qui nécessitent souvent une agrégation temporelle lourde pour atteindre la markovianité, les auteurs montrent que les fluctuations de température locales, une fois correctement saisonnalisées, suivent une dynamique markovienne à l'échelle quotidienne.
• Gestion de l'hétéroscédasticité : Le modèle capture explicitement le fait que la variance des fluctuations change selon la saison (plus grande en hiver pour Boulder) et selon la température, sans avoir besoin de formalismes de non-équilibre complexes.

4. Résultats

• Reproduction des statistiques : Le modèle reproduit avec une grande précision les histogrammes historiques (y compris les queues de distribution asymétriques et les événements extrêmes) et les fonctions de corrélation des données de température de Boulder (1992-2025).
• Efficacité computationnelle : La réduction du modèle à un MSM (mémoire d'un pas de temps) permet une simulation rapide et efficace, évitant le coût de calcul élevé des GLE avec mémoire longue.
• Comparaison avec la GLE : Les auteurs montrent que tenter d'appliquer une GLE globale (type Mori) aux données filtrées de Boulder échoue car elle ne peut pas capturer la dépendance positionnelle de la friction et la non-gaussianité persistante. En revanche, l'approche par états (TPM) capture ces effets "en aveugle" (unsupervised).
• Prédictions réalistes : Les séries temporelles générées par le modèle reproduisent visuellement et statistiquement les structures de bruit coloré non-gaussien observées dans les données réelles, y compris la magnitude des événements extrêmes.

5. Signification et Implications

• Au-delà de la météorologie : Cette méthodologie offre un cadre général pour modéliser tout système dissipatif piloté par des forces périodiques (biologie, finance, physique de la matière douce) où les hypothèses d'équilibre (stationnarité, gaussianité) sont violées.
• Complémentarité avec le Machine Learning : L'approche s'inscrit dans le programme de Hasselmann (modélisation stochastique du climat) mais propose une alternative interprétable et basée sur des principes physiques (théorie de Floquet, réduction de dimension) aux boîtes noires du deep learning.
• Prévision Numérique du Temps (PNT) : La capacité à isoler des régimes stationnaires locaux et à les modéliser par des processus markoviens simples pourrait améliorer les schémas de paramétrisation dans les modèles de prévision, en particulier pour la représentation des sous-grilles et des fluctuations rapides.
• Limites et Avenir : L'article souligne que la construction de GLE est possible uniquement dans des limites stationnaires et gaussiennes. Dès que ces conditions échouent, la GME basée sur les états devient l'outil privilégié, offrant un compromis optimal entre précision statistique et coût computationnel.

En résumé, ce travail démontre qu'en combinant un filtrage intelligent, une classification basée sur les statistiques locales et une modélisation par états discrets, il est possible de capturer la dynamique complexe et non-gaussienne du climat avec une efficacité et une précision supérieures aux méthodes traditionnelles.