Résultants et discussions | Section 3.
L’évaluation de la qualité du modèle InC-AB1 a été réalisée en utilisant les équations (45, 46, 47, 48,
49, 50), Avec : Chl-a
model 
est la valeur modélisée. Chl-a
insitu
est la Chl-a des données in-situ. N : nombre
de points totale (stations in-situ).
• RMSEP : Root Mean Square Error of Prediction
RMSEP=
√
∑
1
n
(Chla
model −Chla
insitu )
2
n
Éq. 45
• Le biais :
BIAS=
∑
1
n
(Chla
model −Chla
insitu )
n
Éq. 46
• SEPC : Standard Error of Prediction Corrected
SEPC =
√
∑
1
n
(Chla
model −Chla
insitu
−BIAS)
2
n
Éq. 47
• CV : Coefficient de variabilité
CV =100∗( SEPC ∖ Chla
insitu )
Éq. 48 avec Chla
insitu : la moyenne de la Chl-a in-situ.
Afin de mieux évaluer notre modèle, nous avons calculé aussi sa performance suivant (Seegers et al.,
2018) par le calcule de l’erreur moyenne absolut (MAE) ainsi que le coefficient d’efficacité du modèle
(Eff), en utilisant les formules suivantes:
• MAE : Mean Absolute Error
MAE =
1
n
∗ ∑
1
n
| Chla
model −Chla
insitu |
Éq. 49
• Eff : Efficiency
Eff =
∑
1
n
(Chla
model −Chla
insitu )
2
∑
1
n
(Chla
insitu −Chla
insitu )
2
∗100
Éq. 50
A cause de la non disponibilité d’autre données in-situ de la Chl-a dans le AB, la validation et la
performance de notre modèle est testée en utilisant les sous-ensemble des testes statistiques calculés
par les équations (45, 46, 47, 48, 49, 50). Les résultats de calcule de ces testes statistiques sont
représentés dans le tableau suivant :
120