5.3.5.2. Architectures des Perceptrons Multicouches de
prévision
Les modèles développés dans ce paragraphe
sont uniquement des modèles Perceptrons Multicouches Dirigés
(PMCD). Six modèles de ce type, différents du point de vue du
nombre de retard, du nombre de neurones cachés et des variables
explicatives utilisées, sont présentés. Les mêmes
méthodes de détermination des retards et du nombre de neurones
cachés que celles utilisées pour les modèles de
simulation, sont appliquées pour développer ces modèles de
prévision.
5.3.5.2.1. Modèle PMCD1p
Les entrées, du modèle PMCD1p
représenté à la figure 52, sont les
précipitations et le débit
mesuré. Les retards de ces
entrées sont égaux à 12 et 1 respectivement pour les
pluies et les
débits mesurés. On dénombre 3 neurones
sur la couche cachée de ce réseau. Le réseau prend
en compte les pluies des 12 derniers mois et des débits du
mois qui précède les trois mois avant le mois de la
prévision.
Figure 52 : Architecture
simplifiée du modèle PMCD1p 5.3.5.2.2. Modèle
PMCD2p
L'architecture du modèle PMCD2p (Figure
53) comprend trois entrées : la pluie, le mois et le
débit. Le nombre de retard est égal à 4 mois pour les
variables d'entrée et de 1 mois pour les débits mesurés et
le nombre de neurones sur la couche cachée est égal à
2.
Le réseau utilise donc les pluies des 4 derniers mois
et des débits mesurés du mois qui précède le mois
de la prévision pour faire la prévision. Le réseau prend
en compte les précipitations et les mois des 2 derniers mois et des
débits du mois qui précède les trois mois avant le mois de
la prévision. On remarque que, par rapport au modèle
précédent, le nombre de retard a diminué avec l'ajout du
mois en entrée. On est passé de 11 à 4 mois de retard.
Figure 53 : Architecture
simplifiée du modèle PMCD2p
- 114 -
5.3.5.2.3. Modèle PMCD3p
La figure 54 représente le modèle
de prévision PMCD3p avec trois variables en entrée.
Figure 54 : Architecture
simplifiée du modèle PMCD3p
Ces variables explicatives sont la pluie,
l'évapotranspiration potentielle et les débits mesurés.
Pour ce modèle, le nombre de retard est estimé à 3 mois
pour la pluie et l'évapotranspiration potentielle et de 1 mois pour les
débits mesurés. En ce qui concerne le nombre de neurones sur la
seule couche cachée, il est égal à 5. Le réseau
prend en compte les précipitations et les évapotranspirations des
3 derniers mois et des débits du mois qui précède les
trois mois avant le mois de la prévision. Dans ce modèle
également, on observe une diminution du retard des variables
explicatives avec l'ajout de l'évapotranspiration potentielle qui passe
de 11 mois pour le modèle PMCD1p à 3 mois pour le modèle
PMCD3p.
5.3.5.2.4. Modèle PMCD4p
Tout comme les modèles PMCD2p et PMCD3p, le modèle
PMCD4p, représenté à la figure 55,
possède trois variables en entrée : la pluie, la
température et le débit.
Figure 55 : Architecture
simplifiée du modèle PMCD4p
- 115 -
L'architecture de ce modèle laisse apparaître 2
mois de retard au niveau de la pluie et de la température et 1 mois pour
les débits mesurés. Ce réseau présente
également 3 neurones sur la couche cachée. Le réseau prend
en compte les précipitations et les températures des 2 derniers
mois et les débits du mois qui précède les trois mois
avant le mois de la prévision. On assiste toujours à une
diminution du retard qui est passé de 11 pour le modèle PMCD1p
à 1 pour le présent modèle. Les modèles PMCD5p et
PMCD6p (Figure 56 et 57), sont à quatre variables
explicatives.
5.3.5.2.5. Modèle PMCD5p
Le modèle PMCD5p (Figure 56) comprend en
entrée la pluie, le mois, la température et les débits
mesurés.
Figure 56 : Architecture
simplifiée du modèle PMCD5p
Le nombre de retard au niveau des précipitations, des
mois et des températures est égal à 2 mois. Pour les
débits mesurés, ce retard n'est que de 1 mois. Ce réseau
présente sur sa couche cachée 4 neurones. Le réseau prend
en compte les précipitations, les mois et les températures des 2
derniers mois et des débits du mois qui précède les trois
mois avant le mois de la prévision.
5.3.5.2.6. Modèle PMCD6p
Les entrées du modèle PMCD6p (Figure
57) sont les précipitations, les mois,
les
évapotranspirations potentielles et les débits
mesurés. Les retards sont de 1 mois pour les
débits
mesurés et de 2 mois pour autres variables en entrée. Sur la
couche cachée de ce réseau,
le nombre de neurones est égal à 2. Le
réseau prend en compte les mois, les précipitations et les
évapotranspirations des 2 derniers mois et des débits du mois qui
précède les trois mois avant le mois de la prévision.
Figure 57 : Architecture
simplifiée du modèle PMCD6p
En conclusion, on note qu'à part le modèle
PMCD1p qui comporte un nombre élevé de retard (12 mois), le reste
des modèles a un nombre de retard compris généralement
entre 2 et 4 mois. En ce qui concerne le nombre de neurones cachés, il
varie entre 2 et 5.
| 
