8.4. COMPARAISON DES PERFORMANCES DES MODÈLES
DE SIMULATION ET DES MODÈLES DE PRÉVISION
Le tableau XX récapitule les
performances des Perceptrons Multicouches Dirigés (PMCDs) d'une part et
des Perceptrons Multicouches Dirigés (PMCDp) d'autre part pour la
station de Tortiya choisie comme la station de référence
où tous les modèles développés et optimisés
présentent de très bonnes performances.
Tableau XX : Résumé de
la performance des modèles de simulation et des modèles de
prévision à la station de Tortiya
Phase de validation (1989-1997)
|
Simulation
|
Modèles
|
|
PMCD1
|
67
|
PMCD2
|
82
|
PMCD3
|
81
|
PMCD4
|
81
|
PMCD5
|
81
|
PMCD6
|
82
|
|
|
PMCD1
|
72
|
PMCD2
|
86
|
PMCD3
|
84
|
PMCD4
|
84
|
PMCD5
|
84
|
PMCD6
|
85
|
|
Prévision
Nash (Q) (%)
77
79
79
78
78
79
Nash ( Q ) (%)
81
83
83
82
82
83
Les modèles de simulation sont plus sensibles à
l'ajout de variables explicatives en entrée que
les modèles de
prévision. On peut aussi remarquer qu'à part le modèle
PMCD1s qui est moins
performant que le modèle PMCD1p, les autres
modèles de simulation sont plus ou moins
aussi performants que les modèles de prévision.
Il apparaît généralement qu'au niveau de chaque type de
modèle (modèle de simulation et modèle de
prévision), les modèles donnent sensiblement les mêmes
valeurs du critère de Nash ; sauf avec le modèle PMCD1 où
on constate un écart un peu plus important avec les autres valeurs. Il
faut aussi remarquer que tous les modèles expriment au moins 65% des
variances des débits à la station de Tortiya comme
précédemment annoncé. D'après le tableau
XX, les racines carrées des débits améliorent
considérablement les performances des modèles de simulation et de
prévision. Les valeurs des Nash sont augmentées d'environ trois
unités pour tous les modèles.
8.5. CONCLUSION PARTIELLE
Au terme de ce chapitre, On constate que les Perceptrons
Multicouches Dirigés (PMCDp) sont utilisables tant en simulation qu'en
prévision. Les résultats obtenus avec les modèles de
prévision sont satisfaisants dans l'ensemble. En effet, en se referant
à l'échelle de Kachroo (1986) on se rend compte que les
modèles développés sont de bon modèles car les
critères de Nash sont supérieurs à 70% en calage et en
validation. Le maximum des Nash est de 74 en calage et de 79 en validation ; et
le minimum est de 71,6% en calage et de 77% en validation. Au niveau des
coefficients de corrélation de Pearson, la valeur maximale en calage est
de 0,91 et de 0,90 en validation ; et la valeur minimum est de 0,86 en calage
et de 0,89 en validation. Malgré les bonnes performances des
modèles Perceptrons Multicouches en prévision, ce chapitre a
montré que les débits extrêmes étaient mal
modélisés. En effet, les débits de pointes extrêmes
(les débits de crue) sont dans leur majeure partie sous estimés (
= 1
Qobs ) et que les
Qcal
débits d'étiages extrêmes sont quant
à eux surestimés ( = 1
Qobs ). Il est aussi apparu dans
Qcal
cette étude que pour la prévision, les
modèles neuronaux développés sont des modèles
très simples. En effet, un Perceptron Multicouches avec une seule couche
cachée et quelques neurones suffisent pour faire la prévision des
débits du Bandama Blanc sur un mois avec de très bonnes
performances. Le nombre de neurones sur les couches cachées des
réseaux développés sont de :
· 3 neurones pour les modèles PMCD1p et PMCD4p ;
· 2 neurones pour les modèles PMCD2p et PMCD6p ;
· 5 neurones pour le modèle PMCD3p;
· 4 neurones pour le modèle PMCD5p.
Aussi, faudrait-il noter que cette étude a permis aussi
d'apprécier l'apport des variables telles que la température,
l'évapotranspiration et le mois ainsi que leurs combinaisons dans la
prévision des débits mensuels du Bandama Blanc. Il ressort que la
pluie et l'évapotranspiration potentielle sont suffisantes comme
entrée des Perceptrons Multicouches Dirigés pour faire la
prévision des débits mensuels du Bandama Blanc.
| 
