Annexes
I
Annexes
Annexe 1 : scriptes utilisés dans les évènements extrêmes
Explication du script illustré ci-dessous :
L'environnement utilisé est Google Colab.
Installer la bibliothèque pyextremes : qui est utilisée pour l'analyse des événements extrêmes
Importation des bibliothèques : Cette étape consiste à importer les bibliothèques nécessaires
pour le script.
• Pandas et numpy sont utilisés pour la manipulation et l'analyse des données.
• Google.colab est utilisé pour monter le lecteur Google Drive dans Google Colab.
• Pyextremes est utilisé pour l'analyse des événements extrêmes.
• Matplotlib.pyplot est utilisé pour la visualisation des données
Monter le lecteur Google Drive : Cette étape permet de monter le lecteur Google Drive dans
Google Colab pour accéder aux fichiers locaux.
Charger les données : Cette étape consiste à charger les données à partir d'un fichier CSV dans
un objet pandas.Series. Les données sont indexées par la date et sont ajustées pour tenir compte
de la variation de la valeur de référence au fil du temps.
Visualiser les données : Cette étape consiste à visualiser les données en utilisant la
fonction plot_mean_residual_life de la bibliothèque pyextremes.
Détecter les événements extrêmes : Cette étape consiste à détecter les événements extrêmes
dans les données en utilisant la fonction get_extremes de la bibliothèque pyextremes. Les
événements extrêmes sont détectés en utilisant la méthode POT (Peaks Over Threshold) et un
seuil de 3.5.
Visualiser les événements extrêmes : Cette étape consiste à visualiser les événements
extrêmes en utilisant la fonction plot_extremes de la bibliothèque pyextremes.
Créer un modèle EVA : Cette étape consiste à créer un modèle EVA (Extreme Value Analysis)
en utilisant la fonction EVA de la bibliothèque pyextremes.
Estimer les paramètres du modèle : Cette étape consiste à estimer les paramètres du modèle
EVA en utilisant la fonction fit_model de la bibliothèque pyextremes.