2.6. CONCLUSION PARTIELLE
Au terme de ce deuxième chapitre, on peut retenir que
pour mener à bien une étude hydrologique, il faut
délimiter le bassin versant avec beaucoup de délicatesse. En
effet, c'est en considérant le bassin versant qu'on peut arriver
à contrôler les flux entrants et les flux sortants sur un bassin
versant. Ce chapitre a montré qu'il existe une multitude de
modèles permettant de simuler ou de faire la prévision des
débits d'un cours d'eau à de nombreux pas de temps (horaire,
journalier, mensuel, etc.). Les modèles empiriques globaux, les
modèles conceptuels, les modèles conceptuels spatialisés,
les modèles théoriques et les modèles physico-conceptuels
spatialisés ont été largement commentés. Il a aussi
montré que depuis une dizaine d'année les réseaux de
neurones sont de plus en plus utilisés en simulation et en
prévision des débits des rivières. Parmi ces
modèles, le Perceptron Multicouche (PMC) semble le plus utilisé
et donne de très bons résultats. L'étude analytique
effectuée par rapport aux différents modèles hydrologiques
montre que les modèles globaux sont les plus adéquats dans la
modélisation du binôme pluie-débit sur un bassin
d'étude lorsqu'il s'agit de reconstituer des données, faire la
prévision en temps réel, gérer des ressources, etc. sans
se
préoccuper des caractéristiques du bassin
versant étudié. Parmi ces modèles globaux, les
réseax de neurones à travers les Perceptrons Multicouches et le
modèle GR2M du CEMAGREF sont retenus pour mener à bien cette
étude. Après l'exposé sur le choix de l'approche de
modélisation pluie-débit dans ce deuxième chapitre, le
troisième chapitre s'intéressera aux réseaux de neurones
biolgiques et artifiiels objet de ce mémoire.
| 
