TABLE DES MATIERES
DÉDICACE i
REMERCIEMENTS ii
TABLE DES MATIERES v
LISTE DES ABRÉVIATIONS ix
LISTE DES FIGURES xi
LISTE DES PLANCHES xvi
LISTE DES TABLEAUX xvi
RÉSUMÉ xviii
ABSTRACT xix
INTRODUCTION GÉNÉRALE - 1 -
PREMIÈRE PARTIE : GÉNÉRALITÉS - 3
-
CHAPITRE I : PRÉSENTATION DE LA ZONE D'ÉTUDE - 3
-
1.1. INTRODUCTION 3 -
1.2. APERÇU GÉNÉRAL DU FLEUVE
BANDAMA 3 -
1.3. CHOIX ET PRÉSENTATION DE LA ZONE
D'ÉTUDE 4 -
1.3.1. Aspect socio - économique - 6 -
1.3.2. Géographie physique de la zone d'étude - 9
-
1.3.3. Contexte géologique et hydrogéologique de la
zone d'étude 12 -
1.3.4. Aspects climatiques 14 -
1.3.5. Contexte hydro-climatique 15 -
1.4. CONCLUSION PARTIELLE - 18 -
CHAPITRE II : CHOIX DE L'APPROCHE DE MODÉLISATION 20 -
2.1. INTRODUCTION - 20 -
2.2. NOTIONS D'HYDROLOGIE - 20 -
2.2.1. Définition de l'hydrologie 20 -
2.2.2. Description du système hydrologique objet de
l'étude 21 -
2.3. APERÇU DES DIFFÉRENTES APPROCHES DE
MODÉLISATION PLUIE-DÉBIT - 23 -
2.3.1. Modèles empiriques globaux 24 -
2.3.2. Modèles conceptuels 25 -
2.3.3. Modèles conceptuels spatialisés 26 -
2.3.4. Modèles théoriques (ou physiques) locaux 26
-
2.3.5. Modèles physico-conceptuels spatialisés 28
-
2.4. PRINCIPES DE BASE ET INCERTITUDES LIÉES AUX
MODÈLES GLOBAUX - - 28 - 2.5. ENJEUX DE
L'UTILISATION DES MODÈLES GLOBAUX - 29 -
NEURONES FORMELS
|
- 54
|
3.9.1. Problème des minima locaux
|
54
|
3.9.2. Problème de généralisation
|
54
|
3.9.3. Limites conceptuelles pour la modélisation
pluie-débit
|
56
|
3.10. ÉTAT DE LA MODÉLISATION
PLUIE-DÉBIT AVEC LES RÉSEAUX DE
|
|
NEURONES FORMELS OU ARTIFICIELS
|
- 56
|
3.11. CONCLUSION PARTIELLE
|
- 59
|
DEUXIEME PARTIE : MATÉRIEL ET MÉTHODES
|
60
|
CHAPITRE IV : MATÉRIEL UTILISÉ
|
60
|
4.1. INTRODUCTION
|
- 60
|
4.2. DONNÉES DISPONIBLES SUR LA ZONE
D'ÉTUDE
|
- 60
|
4.2.1. Présentation des données brutes
|
60
|
4.2.1.1. Variables à expliquer (cibles) : les
débits
|
61
|
4.2.1.2. Variables explicatives
|
63
|
4.2.4. Définition et dimension des variables
|
- 69
|
4.2.4.1. Pluie (P) : Variable de forçage
|
69
|
4.2.4.2. Température (T)
|
69
|
4.2.4.3. Évapotranspiration potentielle (ETP)
|
70
|
2.6. CONCLUSION PARTIELLE
|
- 31
|
CHAPITRE III : RÉSEAUX DE NEURONES BIOLOGIQUES ET
ARTIFICIELS
|
33
|
3.1. INTRODUCTION
|
-
- 33
|
3.2. DÉFINITION ET HISTORIQUE DES RÉSEAUX
DE NEURONES
|
- 33
|
3.2.1. Définition
|
33
|
3.2.2. Brève historique de l'évolution de
l'utilisation des réseaux de neurones
|
35
|
3.3. NEURONES BIOLOGIQUES
|
- 38
|
3.4. NEURONES ARTIFICIELS (OU FORMELS)
|
- 40
|
3.5. ORGANISATION DES NEURONES EN RÉSEAUX
|
- 42
|
3.5.1. Réseaux «feed-forward»
|
42
|
3.5.2. Réseaux à fonction radiale
|
46
|
3.5.3. Réseaux "feed - back"
|
47
|
3.5.4. Cartes auto - organisatrices de Kohonen
|
47
|
3.5.5. Réseaux de Hopfield
|
47
|
3.5.6. Réseaux à apprentissage par
compétition ou « Adaptative Resonnance Theory » (ART)
|
47
|
3.6. APPRENTISSAGE DES RÉSEAUX DE NEURONES
|
- 48
|
3.6.1. Différentes approches d'apprentissage
|
49
|
3.6.2. Règles d'apprentissage
|
50
|
3.7. DOMAINES D'APPLICATION DES RÉSEAUX DE
NEURONES
|
- 51
|
3.8. PROPRIÉTÉS DES RÉSEAUX DE
NEURONES
|
- 51
|
3.8.1. Non-linéarité
|
52
|
3.8.2. Tolérance au manque d'information
|
52
|
3.8.3. Résistance aux entrées aberrantes
|
52
|
3.8.4. Possibilité de se passer de pré requis
|
53
|
3.8.5. Non-unicité des modèles neuronaux par
rapport aux paramètres
|
53
|
3.8.6. Adaptabilité
|
53
|
3.8.7. Utilisation des données dans leur état brute
|
53
|
3.8.8. Propriété d'universalité et analogie
avec la neurobiologie
|
53
|
- - -
- - - - - - -
- - -
-
- - - - - - - - -
3.9. LIMITES ET PRÉCAUTIONS DANS LA
MODÉLISATION AVEC LES RÉSEAUX DE
- - - -
-
- -
- -
-
4.2.4.4. Variable à expliquer (cible) : Débit (Q)
|
70
|
4.2.5. Correction des differentes données
|
- 70
|
4.2.6. Contrôle et analyse des données
|
- 71
|
4.2.6.1. Données climatiques (pluies et
températures)
|
72
|
4.2.6.2. Données hydrométriques
|
73
|
4.2.6.3. Chroniques pluie-lame d'eau
écoulée
|
- 75
|
4.2.6.4. Évapotranspiration potentielle et
expression de la variable temporelle (mois)
|
- 78
|
4.2.6.4.1. Évapotranspiration potentielle
|
78
|
4.2.6.4.2. Variable temporelle (le mois)
|
79
|
4.3. ENVIRONNEMENT SCIENTIFIQUE
|
- 79
|
4.3.1. Environnement du compilateur "RNF PRO"
|
79
|
4.3.2. Historique et description de l'environnement du
modèle GR2M
|
83
|
4.3.2.1. Petite histoire sur l'évolution du modèle
GR2M
|
83
|
4.3.2.2. Environnement de « GR2M »
|
85
|
4.4. CONCLUSION PARTIELLE
|
- 85 -
|
CHAPITRE V : MÉTHODES UTILISÉES
|
88 -
|
5.1. INTRODUCTION
|
- 88
|
5.2. Détermination des ETP et des valeurs
codées de la variable temporelle (le mois)
|
- 88
|
5.2.1. Évapotranspiration potentielle
|
88
|
5.2.2. Codage du mois
|
89
|
5.3. MISE EN PLACE DES MODÈLES UTILISÉS
|
- 89
|
5.3.2. Définition de l'objet de la
modélisation et choix du pas de temps
|
- 91 -
|
5.3.3. Sélection des variables, choix et
conception des modèles et estimation des paramètres -- - 93
-
5.3.3.1. Sélection et transformation des variables
pertinentes
5.3.3.2. Choix et conception des modèles
5.3.3.3. Choix des périodes de calage/validation
5.3.3.4. Estimation des paramètres des modèles
développés (calibration ou apprentissage)
5.3.4. Détermination des critères de
performance des modèles
5.3.4.1. Critère de Nash
|
93 -
94 - 99 - - 101 -
105 -
- 105 -
|
R ) --- 5.3.4.2. Coefficient de corrélation de
Pearson ( R ) et coefficient de détermination multiple ( 2
|
- 106 -
|
5.3.4.3. Erreur quadratique moyenne (Mean Square Error) (MSE) et
sa racine carrée RMSE
|
- 108 -
|
5.3.5. Achitectures des modèles utilisés
|
108 -
|
5.4. OUTILS D'ANALYSE STATISTIQUE
|
120 -
|
5.4.1. Estimation de la robustesse des modèles
|
- 120 -
|
5.4.2. Méthode de l'analyse des résidus
|
- 120 -
|
5.4.3. Méthode de détermination des incertitudes
|
- 121 -
|
5.5. CONCLUSION PARTIELLE
|
123 -
|
TROISIÈME PARTIE : RESULTATS ET DISCUSSION
|
- 124 -
|
Chapitre VI : APPLICATION DES PERCEPTRONS MULTICOUCHES Á
LA
|
|
SIMULATION DES DÉBITS AVEC LA PLUIE EN ENTRÉE
|
- 124 -
|
6.1. INTRODUCTION
|
124 -
|
6.2. PERFORMANCE DES MODÈLES NON
DIRIGÉS(PMCND1s) ET DES MODÈLES DIRIGÉS (PMCD1s) 124
-
6.3. ÉTUDE COMPARATIVE DES MODÈLES NON
DIRIGÉS(PMCND1s) ET DES
|
|
MODÈLES DIRIGÉS (PMCD1s)
|
135 -
|
6.3.1. Présentation des résultats de l'analyse des
résidus
|
- 135 -
|
6.3.2. Représentation graphique des incertitudes
|
- 136 -
|
6.4. CONCLUSION PARTIELLE
|
147 -
|
Chapitre VII : INFLUENCE DES AUTRES VARIABLES CLIMATIQUES SUR
LA
|
|
PERFORMANCE DES MODÈLES DE SIMULATION
|
- 149 -
|
7.1. INTRODUCTION
|
149 -
|
7.2. PERFORMANCE DU MODÈLE CONCEPTUEL GLOBAL :
GR2M
|
150 -
|
7.3. EFFET DE L'AJOUT DES VARIABLES EXPLICATIVES SUR
L'ARCHITECTURE
ET SUR LES PERFORMANCES DES MODÈLES PMCDs
|
156 -
|
7.3.1. Variation du nombre de retard et du nombre de neurones
cachés
|
- 156 -
|
7.3.2. Analyse des performances des modèles
|
- 157 -
|
7.4. ÉTUDE COMPARATIVE DES MODÈLES
|
160 -
|
7.5. CONCLUSION PARTIELLE
|
164 -
|
Chapitre VIII: APPLICATION DES PERCEPTRONS MULTICOUCHES A LA
|
|
PRÉVISION DES DÉBITS MENSUELS
|
- 166 -
|
8.1. INTRODUCTION
|
166 -
|
8.2. PERFORMANCE DES PERCEPTRONS MULTICOUCHES
DIRIGÉS DE PRÉVISION (PMCDp) 167 -
8.3. RÉSULTATS DU TEST DE COMPARAISON DES
PRÉVISIONS DES DIFFÉRENTS MODÈLES 178 -
8.4. COMPARAISON DES PERFORMANCES DES MODÈLES DE
SIMULATION ET DES
-
-
- - -
MODÈLES DE PRÉVISION
|
180
|
8.5. CONCLUSION PARTIELLE
|
181
|
Chapitre IX : DISCUSSION
|
- 183
|
CONCLUSION GÉNÉRALE ET PERCEPTIVES DE RECHERCHE
|
- 191
|
RÉFÉRENCES BIBLIOGRAPHIQUES
|
- 195
|
|