Problèmes inverses et réseaux de neurones : application à l'interféromètre haute résolution IASI et à l'analyse de séries temporelles

Nous nous sommes interesses, dans cette these, a la resolution des problemes inverses par la technique des reseaux de neurones formels. Deux cadres theoriques sont a distinguer pour cette technique statistique : l'apprentissage supervise et l'apprentissage non supervise. Dans ces deux cas, la technique des reseaux de neurones est particulierement bien adaptee car il est possible d'introduire de l'information a priori sur le probleme inverse. Concernant l'apprentissage supervise, nous avons etudie l'exemple du sondage vertical satellitaire pour la restitution du profil vertical de la temperature atmospherique. Deux instruments ont ete utilises : premierement, le radiometre TOVS, en vol depuis 1979 sur la serie des satellites operationnels americains de la NOAA. Nous avons developpe une approche originale pour la regularisation de l'apprentissage des reseaux de neurones : le weight smoothing. Deuxiemement, l'interferometre haute resolution IASI, devant etre embarque vers 2003 sur la plateforme METOP de l'ESA. On a montre que notre technique, prenant en compte le bruit instrumental de l'appareil, est a meme de repondre aux contraintes de precision fixees par l'organisation mondiale de meteorologie. Pour l'apprentissage non supervise, notre application principale concerne l'analyse de series temporelles geophysiques par la technique d'analyse en composantes independantes. Cette technique neuronale a pour but d'extraire non lineairement, dans les observations, des composantes statistiquement independantes. Cette contrainte est plus forte que la simple decorrelation qui est a la base des techniques statistiques classiques (analyse en composantes principales, decomposition en valeurs singuliere ou analyse factorielle). L'etude de la variabilite de la temperature de surface de l’ocean tropical montre que l'ACI est plus performante que la DVS pour determiner la presence de phenomenes climatologiques tels que El-Nino ou l'oscillation quasi-biennale.