5.5. CONCLUSION PARTIELLE
L'objectif de ce travail de recherche est de mettre en place
des modèles neuronaux capables de : (i) reconstituer des valeurs
manquantes dans les séries de débits sur le Bandama Blanc
(faciliter la réalisation de certains projets de développement
sur la zone d'étude) et (ii) de faire la prévision des
périodes de basses eaux et de hautes eaux sur l'ensemble de la zone
d'étude afin d'aider la classe paysanne dans la gestion de la ressource
en eau, donc participer à la diminution des conflits opposants
agriculteurs et éleveurs. La modélisation se fera en
considérant le mois comme pas de temps. La transformation des variables
cibles et des variables explicatives effectuée dans ce mémoire
est la "normalisation ". Elle sera nécessaire ; car, pendant
l'apprentissage ou le calage, si les séries sont très
différentes, les plus petites valeurs n'ont pas d'influence sur
l'apprentissage. Chaque série hydro-climatique est donc
distribuée de sorte que les valeurs soient comprises entre 0 et 1. Cette
transformation a permis d'obtenir des séries hydro-climatiques dont les
valeurs sont très proches. Le Perceptron Multicouche (PMC) à une
couche cachée est le réseau utilisé pour cette
étude. Le nombre de neurones dans la couche cachée est
déterminé avec l'approche de Fahlman. La fonction Sigmoïde
de type logistique bornée de 0 à 1 est retenue dans cette
étude où la méthode du "simple split-sample" est
utilisée pour séparer les différentes bases
d'apprentissage et de validation. Les 2/3 de chaque série
hydro-climatique (1971-1988) seront choisis pour la phase d'apprentissage et
les 1/3 (1989-1997) pour la phase de validation.
Dans ce mémoire, la méthode locale du gradient
(la rétropropagation de l'erreur ou du gradient) est retenue pour
entraîner les différents modèles développés.
L'évaluation de la performance est assurée par le critère
de Nash, le coefficient de corrélation R, le
coefficient de détermination 2
R , l'erreur quadratique moyenne (Mean Square Error)
(MSE) et la racine carrée de l'erreur quadratique moyenne (RMSE).
Après l'exposé sur la méthodologie de conception des
modèles Perceptrons Multicouches, le chapitre suivant présente
l'environnement scientifique, les modèles Perceptrons Multicouches et le
modèle GR2M ainsi que les différents outils d'analyse
statistique.
|