Cette recherche se concentre sur l'étude de la qualité de l'air intérieur (QAI) en développant une approche optimale du traitement des données. En observant les composantes de sortie de la décomposition de PARAFAC, nous sommes en mesure d'expliquer les fluctuations des processus sous-jacents et leurs causes dans un environnement intérieur (un bureau paysager) et ainsi mieux anticiper les conséquences. Par ailleurs, PARAFAC est une méthode très prometteuse pour la QAI lorsqu'il est possible de traiter des tableaux de grandes dimensions et de fournir une sortie unique. Sur cette base, nous pouvons appliquer différentes situations de QAI et utiliser les résultats de chargement pour le modèle de régression ultérieurement.

This research focuses on indoor air quality (IAQ) study by developing an optimal approach of data processing. By observing the output components of PARAFAC decomposition, we are able to explain the fluctuations of the underlying processes and their causes in an indoor environment (an open-plan office) and thus, better anticipate their consequences. Besides, PARAFAC is a very promising method for IAQ when it is possible to deal with high dimensional array and gives the unique output. Based on that, we can apply for different situations of IAQ for different purposes and also use the loading outputs for the regression model afterward.