<%pg=request.getParameter("page");%>
     

English    Imprimer      Envoyer par e-mail    

Référence bibliographique

Lek S, Dimopoulos I, Derraz M et Y El Ghachtoul. (1996) Modélisation de la relation pluie-débit à l'aide des réseaux de neurones artificiels. Rev. Sci. Eau. 9 (3) : 319-331.

Texte intégral (PDF)

Résumé

Identifier tous les processus physiques élémentaires du cycle hydrologique qui peuvent avoir lieu dans un bassin versant et attribuer à chacun d'eux une description analytique permettant la prévision conduisent à des structures complexes employant un nombre élevé de paramètres difficilement accessibles. En outre, ces processus, même simplifiés, sont généralement non linéaires. Le recours à des modèles à faible nombre de variables, capables de traiter la non-linéarité, s'avère nécessaire.

C'est dans cette optique que nous proposons une méthode de modélisation de la relation pluie et débit basée sur l'utilisation de réseaux neuronaux. Les performances de ces derniers dans la modélisation non linéaire ont été déjà prouvées dans plusieurs domaines scientifiques (biologie, géologie, chimie, physique). Dans ce travail, nous utilisons l'algorithme de la rétropropagation des erreurs avec un réseau à 3 couches de neurones. La fonction de transfert appliquée est de type sigmoïde. Pour prédire le débit à un moment donné, on présente à l'entrée du réseau des valeurs de pluies et de débits observés à des instants précédents. La structure du réseau est optimisée pour obtenir une bonne capacité prévisionnelle sur des données n'ayant pas participé au calage.

L'application du réseau à des données pluviométriques et débimétriques du bassin de l'oued Beth permet d'obtenir de bonnes prévisions d'un ou plusieurs pas de temps, aussi bien journalières qu'hebdomadaires. Pour les données n'ayant pas participé au calage, les coefficients de corrélation entre les valeurs observées et les valeurs estimées par les différents modèles sont élevés. Ils varient de 0.72 à 0.91 pour les coefficients de corrélation de Pearson et de 0.73 à 0.95 pour les coefficients de Spearman.

Mots clés

Modélisation, réseaux neuronaux, rétropropagation, relation pluie et débit, série chronologique.

Correspondance

Sovan Lek, Lab. Biol. Quantitative. UPS B 4R3, 118 Rte de Narbonne, 31062 Toulouse Cedex, FRANCE

English    Imprimer          Envoyer par e-mail          


     


Mise à jour: 2006-12-20
© INRS Eau, Terre et Environnement