WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Etude du calage, de la validation et des performances des réseaux de neurones formels à  partir des données hydro-climatiques du bassin versant du Bandama blanc en Côte d'Ivoire

( Télécharger le fichier original )
par Yao Blaise KOFFI
Université de Cocody Abidjan - Doctorat  2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.3.3.3. Choix des périodes de calage/validation

Plusieurs méthodes existent en hydrologie pour le choix des périodes de calage/validation des modèles développés. On trouve entre autres :

i. la méthode la plus simple qui consiste à diviser la période de mesures disponibles en

deux parties pas forcément égales. La première partie sert à calibrer le modèle et la seconde à tester ou à valider le modèle calibré. Cette méthode, appelée "simple split-sample test" (Klemes, 1986a) » est la plus utilisée en hydrologie ;

ii. la méthode appelée "differential split-sample test" (Klemes, 1986a) qui consiste à

diviser la période de mesures disponibles en deux, mais cette fois-ci en fonction d'un critère comme l'intensité des précipitations, de façon à tester la capacité du modèle à reproduire les observations dans un contexte climatique différent de celui sur lequel il a été calibré. On pourra par exemple calibrer le modèle sur une saison déficitaire et le valider sur une saison excédentaire.

Ces deux premières méthodes permettent de tester le modèle sur le bassin versant sur lequel il a été calibré. Il est également possible de les combiner avec les données d'un autre bassin versant lorsqu'elles sont disponibles. Parmi ces méthodes on peut citer la méthode "proxy-catchment" qui consiste à calibrer le modèle sur un bassin versant et à le valider sur un autre pour la même période de mesure ; la méthode "differential proxy-catchment" est plus exigeante puisqu'elle teste le modèle sur un autre bassin avec des conditions différentes de celles avec lesquelles le modèle a été calibré.

Les méthodes "simple split-sample" sont généralement utilisées lorsque l'on veut utiliser le modèle sur des bassins versants qui risquent d'être peu modifiés. Les méthodes différentielles ont été présentées comme valables lorsque l'objectif est de prédire l'impact des changements climatiques. Or, il a été prouvé que les variations climatiques importantes n'ont pas toujours eu un impact visible sur le régime hydrologique d'un bassin (Ewen et Parkin, 1996). Les méthodes "simple split-sample" et "proxy-catchment" sont celles qui sont généralement utilisées. Dans cette étude, la méthode du "simple split-sample test" a été utilisée, notamment parce qu'elle est simple et fréquement utilisée en hydrologie. Ainsi les 2/3 des données (1971- 1988) seront choisies pour la phase d'apprentissage et les 1/3 (1989-1997) pour la phase de validation (Figure 47).

Figure 47 : Diagramme de séparation des données d'apprentissage et de validation des modèles
développés

Le choix des 2/3 des données disponibles pour le calage et des 1/3 de ces mêmes données
pour la validation est raisonnable dans la mesure où dans l'optimisation d'un modèle Réseaux

de neurones Formel, plus la phase d'apprentissage est longue et plus il est possible d'espérer de meilleurs résultats.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Entre deux mots il faut choisir le moindre"   Paul Valery