path = system.file("extdata", "case", "complete.ods", package = "floodam.cba")
case = import_case(path)
#> import Case from /usr/local/lib/R/site-library/floodam.cba/extdata/case/complete.ods
#> ... done
Analyse d’incertitude et de sensibilité : préparation des entrées
2026-11-13
Note
An English version of this article is available: Uncertainty and sensitivity analysis: preparing inputs.
Vue d’ensemble
Le passage d’un objet Case complet (importé depuis un classeur .ods ou .xlsx via import_case()) aux données d’entrée du méta-modèle perform_sa() repose sur deux fonctions principales :
-
prepare_uncertainty(): construit et valide la tableuncertaintyde l’objetCase(lue depuis l’ongletuncertaintys’il existe, ou générée à partir des valeurs par défaut du package) ; -
prepare_sa(): extrait et normalise le calendrier du projet, les coûts, les paramètres d’aléa et les dommages évités dans une liste structuréesa_input.
Illustrons cette étape sur le cas complete.ods fourni avec le package :
Table des incertitudes (slot uncertainty)
Chaque paramètre incertain est défini par quatre colonnes : parameter, min, max et type ("relative" ou "absolute").
Lorsque import_case() lit un fichier sans onglet uncertainty explicite (ou lorsque prepare_uncertainty(case) est appelée directement), les bornes sont générées à partir de getOption("floodam.cba")[["uncertainty_default"]] :
getOption("floodam.cba")[["uncertainty_default"]]
#> $cost
#> $cost$min
#> [1] 0
#>
#> $cost$max
#> [1] 0.5
#>
#> $cost$type
#> [1] "relative"
#>
#>
#> $flood
#> $flood$min
#> [1] -0.3
#>
#> $flood$max
#> [1] 0.3
#>
#> $flood$type
#> [1] "relative"
#>
#>
#> $hydraulic
#> $hydraulic$min
#> [1] -0.3
#>
#> $hydraulic$max
#> [1] 0.3
#>
#> $hydraulic$type
#> [1] "relative"
#>
#>
#> $stake_dam
#> $stake_dam$min
#> [1] -0.5
#>
#> $stake_dam$max
#> [1] 0.5
#>
#> $stake_dam$type
#> [1] "relative"Examinons la table uncertainty générée pour case :
knitr::kable(case["uncertainty"])| parameter | min | max | type |
|---|---|---|---|
| cost_investment_nothing | 0.000000 | 0.50000 | relative |
| cost_investment_raising | 0.000000 | 0.50000 | relative |
| cost_investment_reinforcement | 0.000000 | 0.50000 | relative |
| cost_maintenance_nothing | 0.000000 | 0.50000 | relative |
| cost_maintenance_raising | 0.000000 | 0.50000 | relative |
| cost_maintenance_reinforcement | 0.000000 | 0.50000 | relative |
| period_flood_min | 5.833333 | 10.83333 | absolute |
| period_flood_med | 52.500000 | 97.50000 | absolute |
| period_flood_max | 583.333333 | 1083.33333 | absolute |
| hydraulic_flood_min | -0.300000 | 0.30000 | relative |
| hydraulic_flood_med | -0.300000 | 0.30000 | relative |
| hydraulic_flood_max | -0.300000 | 0.30000 | relative |
| stake_activity | -0.500000 | 0.50000 | relative |
| stake_agriculture | -0.500000 | 0.50000 | relative |
| stake_dwelling | -0.500000 | 0.50000 | relative |
| stake_public | -0.500000 | 0.50000 | relative |
Deux propriétés importantes sont assurées automatiquement :
-
Non-chevauchement des périodes de retour : les bornes
period_*sont converties en valeurs"absolute"et tronquées au point milieu entre deux périodes nominales adjacentes viaprepare_flood_range(), garantissant que l’ordre des crues reste strictement croissant lors des tirages Monte Carlo. -
Personnalisation : vous pouvez fournir vos propres bornes via un onglet
uncertaintydans le tableur ou en passant undata.framepersonnalisé àprepare_uncertainty(case, uncertainty = ...).
Construction de sa_input avec prepare_sa()
prepare_sa(case, project) assemble toutes les composantes nécessaires à l’évaluation d’un projet donné (ici "complete") :
sa_input = prepare_sa(case, "complete")
names(sa_input)
#> [1] "calendar" "cost" "flood" "impact" "case" "project"
#> [7] "reference" "rate" "n"Chaque élément est produit par une fonction dédiée :
1. Calendrier normalisé (prepare_sa_calendar())
prepare_sa_calendar() fusionne la chronique normalisée d’activation des bénéfices (benefit dans , calculée à partir de la séquence d’états du projet et des dommages évités moyens annuels) avec les chroniques annuelles normalisées de décaissement de chaque poste de coût actif :
| year | benefit | investment_raising | maintenance_raising | investment_reinforcement | maintenance_reinforcement |
|---|---|---|---|---|---|
| 0 | 0.0000 | 0.00 | 0 | 0.0000 | 0.0 |
| 1 | 0.0000 | 0.00 | 0 | 0.1667 | 0.0 |
| 2 | 0.0000 | 0.00 | 0 | 0.4167 | 0.0 |
| 3 | 0.0000 | 0.00 | 0 | 0.4167 | 0.5 |
| 4 | 1.3545 | 0.08 | 0 | 0.0000 | 1.0 |
| 5 | 1.3545 | 0.12 | 0 | 0.0000 | 1.0 |
| 6 | 1.3545 | 0.80 | 0 | 0.0000 | 1.0 |
| 7 | 1.0000 | 0.00 | 1 | 0.0000 | 1.0 |
Les postes de coût dont le décaissement est nul sur tout l’horizon (par exemple une action de durée infinie dont after_maintenance ne s’active jamais) sont écartés à la fois de calendar et de cost.
2. Coûts du projet (prepare_sa_cost())
prepare_sa_cost() extrait les totaux nominaux d’investissement (cost_during) et de maintenance (cost_after) par action, appariés avec leurs bornes d’incertitude :
knitr::kable(sa_input[["cost"]])| parameter | nominal | min | max | type | |
|---|---|---|---|---|---|
| 1 | investment_raising | 2500 | 0 | 0.5 | relative |
| 2 | investment_reinforcement | 1200 | 0 | 0.5 | relative |
| 4 | maintenance_raising | 100 | 0 | 0.5 | relative |
| 5 | maintenance_reinforcement | -100 | 0 | 0.5 | relative |
Les économies de maintenance (valeurs négatives de cost_after) sont bien conservées afin que les incertitudes s’appliquent symétriquement aux flux de maintenance nets.
Note
Dans l’implémentation actuelle,
prepare_sa()repose sur l’hypothèse que les coûts de la situation de référence (reference) sont nuls, sans calcul en différentiel entreprojectetreference.
3. Paramètres d’aléa (prepare_sa_flood())
prepare_sa_flood() associe les périodes de retour nominales globales (period_nominal) et l’efficacité hydraulique nominale (hydraulic_nominal = 1) à leurs bornes d’incertitude :
knitr::kable(sa_input[["flood"]])| scenario | period_nominal | period_min | period_max | period_type | hydraulic_nominal | hydraulic_min | hydraulic_max | hydraulic_type |
|---|---|---|---|---|---|---|---|---|
| flood_min | 8.333333 | 5.833333 | 10.83333 | absolute | 1 | -0.3 | 0.3 | relative |
| flood_med | 75.000000 | 52.500000 | 97.50000 | absolute | 1 | -0.3 | 0.3 | relative |
| flood_max | 833.333333 | 583.333333 | 1083.33333 | absolute | 1 | -0.3 | 0.3 | relative |
4. Dommages évités par enjeu (prepare_sa_impact())
prepare_sa_impact() calcule les dommages évités nominaux entre l’état initial et l’état final du projet (format_impact()), agrégés sur les secteurs et appariés aux incertitudes sur les enjeux (stake_*) :
knitr::kable(sa_input[["impact"]], digits = 2)| stake | flood_min | flood_med | flood_max | min | max | type |
|---|---|---|---|---|---|---|
| activity | 0 | 1749.90 | 7998 | -0.5 | 0.5 | relative |
| agriculture | 0 | -1599.90 | -4998 | -0.5 | 0.5 | relative |
| dwelling | 0 | -430.26 | 6498 | -0.5 | 0.5 | relative |
5. Métadonnées du projet
Enfin, sa_input conserve les métadonnées utilisées par perform_sa() et les fonctions graphiques :
-
case: nom du cas d’étude (case["name"], ici"complete"), utilisé pour nommer les fichiers graphiques exportés ; -
project: nom du projet évalué ("complete") ; -
reference: nom du projet de référence ("baseline") ; -
rate: chronique de taux d’actualisation (case["rate"]) ; -
n: taille d’échantillon Monte Carlo par défaut (getOption("floodam.cba")[["n_uncertainty"]]).