Chapitre II
Matériel et méthodes
23
Les variables clés du cycle de vie pour le modèle "abj" sont calculés par la fonction « get_tj »,
cette fonction calcule l'assimilation, la mobilisation, le maintien somatique, le maintien de la
maturité, la croissance, la reproduction et la dissipation des puissances pondérées en fonction
de la longueur et des réserves pondérées. Ce cas est limité au cas particulier du modèle DEB
'abj', qui considère l'accélération du métabolisme pendant le stade larvaire, laquelle croît de
manière exponentielle jusqu'à la métamorphose (voir Kooijman, 2010).
Par la suite on doit Créer un chemin d'accès depuis le lieu de travail vers debtool et ses sousrépertoires, afin qu'Octave ou Matlap puissent trouver les routines DEBtool. Dans Matlab on le
créer en sélectionnant «Set path» dans le menu «File».
On lance le fichier renommé Pars my pet et on relire le résultat, pour obtenir beaucoup de
graphiques supplémentaires on doit courir les fonctions suivantes : shtemp2corr, shbirth pie,
shtime2eweight, shlength2reprod, shlength2res time, shtime2length, shtime2reprod,
shtime2weight, shtime2survival, shphase memv, shphase el, shflux, shflux struc, shflux weight,
shratio, shpower, shscale.
A la fin il est obligé de modifier les valeurs des paramètres et réexécuter le script. Puis ajuster
le facteur de zoom et la température (corporelle) réelle en fonction de l’espèce étudiée. La
maturité à la naissance et la puberté sont très spécifiques à une espèce et nécessitent
probablement un ajustement. Il faut ajuster les autres paramètres jusqu'à ce que le poisson
réponde à toutes les implications. Cette utilisation permet de répondre à des questions
hypothétiques et de nous donner une idée de ce que font les différents paramètres.
2.3.4. Calcul statistique « La méthode de la covariation »
La méthode de covariation pour l'estimation des paramètres est basée sur une collection
d'observations (points de données uniques et / ou séries temporelles) et un ensemble de pseudodonnées (utilisées pour restreindre les combinaisons de paramètres possibles, voir ci-dessous).
L'idée générale derrière la méthode de covariation est de laisser toutes les informations
disponibles rivaliser, ou interagir, pour produire le résultat final, impliquant l'estimation de tous
les paramètres de tous les ensembles de données simultanément (Lika et al., 2011). Ainsi, toutes
les valeurs des paramètres sont estimées en une seule étape pour toutes les données disponibles,
en minimisant la somme pondérée des écarts quadratiques entre les données et les prédictions
du modèle :
Matériel et méthodes
23
Les variables clés du cycle de vie pour le modèle "abj" sont calculés par la fonction « get_tj »,
cette fonction calcule l'assimilation, la mobilisation, le maintien somatique, le maintien de la
maturité, la croissance, la reproduction et la dissipation des puissances pondérées en fonction
de la longueur et des réserves pondérées. Ce cas est limité au cas particulier du modèle DEB
'abj', qui considère l'accélération du métabolisme pendant le stade larvaire, laquelle croît de
manière exponentielle jusqu'à la métamorphose (voir Kooijman, 2010).
Par la suite on doit Créer un chemin d'accès depuis le lieu de travail vers debtool et ses sousrépertoires, afin qu'Octave ou Matlap puissent trouver les routines DEBtool. Dans Matlab on le
créer en sélectionnant «Set path» dans le menu «File».
On lance le fichier renommé Pars my pet et on relire le résultat, pour obtenir beaucoup de
graphiques supplémentaires on doit courir les fonctions suivantes : shtemp2corr, shbirth pie,
shtime2eweight, shlength2reprod, shlength2res time, shtime2length, shtime2reprod,
shtime2weight, shtime2survival, shphase memv, shphase el, shflux, shflux struc, shflux weight,
shratio, shpower, shscale.
A la fin il est obligé de modifier les valeurs des paramètres et réexécuter le script. Puis ajuster
le facteur de zoom et la température (corporelle) réelle en fonction de l’espèce étudiée. La
maturité à la naissance et la puberté sont très spécifiques à une espèce et nécessitent
probablement un ajustement. Il faut ajuster les autres paramètres jusqu'à ce que le poisson
réponde à toutes les implications. Cette utilisation permet de répondre à des questions
hypothétiques et de nous donner une idée de ce que font les différents paramètres.
2.3.4. Calcul statistique « La méthode de la covariation »
La méthode de covariation pour l'estimation des paramètres est basée sur une collection
d'observations (points de données uniques et / ou séries temporelles) et un ensemble de pseudodonnées (utilisées pour restreindre les combinaisons de paramètres possibles, voir ci-dessous).
L'idée générale derrière la méthode de covariation est de laisser toutes les informations
disponibles rivaliser, ou interagir, pour produire le résultat final, impliquant l'estimation de tous
les paramètres de tous les ensembles de données simultanément (Lika et al., 2011). Ainsi, toutes
les valeurs des paramètres sont estimées en une seule étape pour toutes les données disponibles,
en minimisant la somme pondérée des écarts quadratiques entre les données et les prédictions
du modèle :