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

PERSPECTIVES DE RECHERCHE

Suite aux résultats présentés et discutés dans ce mémoire, les perceptives de recherche se situent essentiellement à trois niveaux :

i. améliorer les modèles neuronaux de simulation et de prévision ;

ii. concevoir un logiciel de simulation et de prévision afin d'obtenir des modèles neuronaux de simulation et de prévision type "boite grise";

iii. développer des réseaux de neurones formels utilisables sur des cours d'eau non jaugés. Pour ce qui est de l'amélioration des modèles de simulation et de prévision, on pourrait développer des modèles hybrides en combinant les réseaux de neurones avec les modèles de la logique floue. On aura alors des modèles dénommés "fuzzy logic neural networks" Ces modèles hybrides auront comme entrée les variables climatiques (pluies, évapotranspirations potentielles, etc.). En ce qui concerne la conception d'un logiciel de simulation et de prévision, il s'agira de proposer une architecture logicielle et de développer le code correspondant à l'intégration des débits observés, de la végétation, des pluies, des températures, des évapotranspirations potentielles et d'un modèle numérique de terrain (MNT) dans un réseau de neurones formel afin de simuler ou de prédire des débits sur un bassin versant donné. Les réseaux de neurones comme modèles distribués permettront de simuler et de faire la prévision des débits des rivières non jaugées. Il s'agira d'ajouter les caractéristiques physiques des bassins versants d'études aux variables explicatives des modèles à développer. La recherche en hydrologie globale à l'aide des Réseaux de neurones Formels n'est qu'au début. L'augmentation de la vitesse et de la capacité de stockage des ordinateurs permettront dans les années à venir d'intégrer dans les réseaux de neurone de très grandes quantités de données et de développer des algorithmes d'optimisation qui convergeront plus rapidement et qui donneront de très bonnes performances.

RÉFÉRENCES BIBLIOGRAPHIQUES

ABRAHART, R.J. et SEE, L. (2000). Comparing neural network and autoregressive moving average techniques for the prevision of continuous river flow forecasts in two contrsting catchments. Hydrological Processes, Vol. 14, pp. 2157-2172.

ACHITE, M., et MANIA, J. (2000). Modélisation de la relation pluie-débit par les Réseaux de neurones Artificiels (RNA): Cas du bassin versant de l'Oued Haddad (Nord Ouest de l'Algérie), Hydrological Processes, Vol. 11, pp. 154-166.

AMBROISE, B. (1998). Genèse des débits dans les petits bassins versants ruraux en milieu tempéré: processus et facteur, Revue des sciences de l'eau, pp. 471-495.

AMBROISE, B., GOUNOT, M., et MERCIER, J. L. (1982). Réflexion sur la modélisation mathématique du cycle hydrologique à l'échelle d'un bassin versant. Rech. Géogr. A Strasbourg, France, pp. 5-24.

AMBROISE, B., et REUTENAUER, D. (1995). Multicriterion validation of a semi-distributed conceptual model of the water cycle in the Fecht catchment (Vosges Massif, France). Water resources Research, Vol. 31, n°6, pp. 1467-1481.

AUBIN J. P. (2007). Réseaux de neurones Formels et Biologiques. Fond de cours, France, 6 p.

ASHU, J., SUDHEER, K. P. et SANAGA, S. (2004). Identification of physical processes inherent in artificial neural network rainfall-runof models. Hydrological processes, Vol 18, pp. 571-581

ASSAD, Y. et SHAMSELDIN, X. (1997). Application of a neural network technique to rainfall-runoff modelling. Journal of hydrology, Vol. 199, pp. 272-294.

AWADALLAH, A. G. (1999). Hydro-climatologie globale pour la prévision des crues du Nil au moyen de fonction de transfert avec bruit et de Réseaux de neurones Artificiels. Thèse de Doctorat, Université de Montréal, Québec, Canada, 220 p.

AYRAL, P. A. (2005). Contribution à la spatialisation du modèle de prévision des crues éclaires ALHTAIR. Approche spatiale et expérimentale, application au bassin versant du Gardon d'Anduze. Thèse de Doctorat, Université de Provence, Aix-Marseille 1, LGEI, Ecole des Mines d'Alès, Alès, France, 311 p.

BERTHIER, C. H. (2005). Quantification des incertitudes des débits calculés par un modèle empirique. Master II, Sciences de la terre spécialité hydrologie, hydrogéologie des sols, Université Paris-Sud 11, France. 50 p.

BESSOLES, B. (1977). Géologie de l'Afrique de l'Ouest. Le craton Ouest africain. Mémoires B.R.G.M., n°88, Paris, France, 402 p.

BEVEN, K. J. (1989). Distributed models. Hydrological forecasting, New York, USA, pp. 405-435.

BEVEN, K. J. (1993). Prophecy, reality and uncertainty in distributed hydrological modelling. Advances in Water resources, Vol. 16, pp. 41-51.

BEVEN, K. J. (1995). Linking parameters across scales: sub-grid parameterisations and scale dependent hydrological models. Hydrological Processes, Vol. 9, pp. 507-526.

BEVEN, K. J. et BINLEY, A. (1992). The future of distributed models: model calibration and uncertainty prediction. Hydrological Processes, Vol.6, pp. 279-298.

BIEMI, J. (1992). Contribution à l'étude géologique, hydrogéologique par télédétection des bassins versants subsahéliens du socle précambrien d'Afrique de l'Ouest: Hydrostructurale, hydrodynamique, hydrochimie et isotopie des aquifères discontinus de sillons et aire granitique de la haute Marahoué (Côte d'Ivoire). Thèse de Doctorat ès Sciences Naturelles, Université d'Abidjan, Cocody, Côte d'Ivoire, 479 p.

BISHOP, C. M. (1995). Neural networks for pattern recognition. Oxford University press, Oxford, USA, 482 p.

BOUABDALLAH, F. (1997). Mise au point d'un modèle de transformation pluie-débit au pas de temps annuel. DEA Hydrogéologie-Hydrologie filière Géochimie isotopique, Paris Sud Orsay, Cemagref Antony, France, 45 pp.

BOUVIER, C. (1994). MERCEDES : Principes du modèle et notice d'utilisation, Editions de l'Orstom, 40 p.

BUCH, A. M., MAZUMDAR, H.S., et PANDEY, PC (1993). Application of artificial neural networks in hydrological modelling: a case study of runoff simulation of a Himalayan basin. Proceedings of the International Joint Conference on Neural Networks, vol. 1, pp. 971- 974.

CAMERON, D., KNEALE, P. et SEE, L. (2002). An evaluation of a traditional and a neural network modelling approach to flood forecasting for an upland catchment. Hydrological Processes, Vol. 16, pp. 1033-1046.

CAMIL, J. (1984). Pétrographie, chronologie des ensembles granulitiques archéens et
formations associées de la région de Man (Côte d'Ivoire). Implication pour l'histoire

géologique du craton Ouest africain. Thèse de Doctorat ès Sciences Naturelles, Université. d'Abidjan, Cocody, Côte d'Ivoire, n° 79, 306 p.

CAMUS, H. (1972). Hydrologie du Bandama. Rapport de l'ORSTOM, Adiopodoumé, Côte d'Ivoire, Vol. 2, 150 p.

CASTANY, G. (1982). Principes et méthodes de l'hydrogéologie, Dunod Université, Paris, France, 238 p.

CHAHINIANN, N. (2004). Développement de méthodes de paramétrisation multi-critère et multi échelle d'un modèle hydrologique spatialisé de crue en milieu agricole. Université de Montpellier II, Sciences et techniques du Languedoc, Spécialité Science de la Terre et de l'Eau, France, 258 p.

CHIEW, F., et MACMAHON, T. A. (1993). Detection of trend or change in annual flow of Australian rivers. International Journal of Climatology, Vol. 13. pp. 643-653.

CHITRA, S. P. (1993). Use neural network for problem solving. Chemical Engineering Progress, Vol. 2, pp. 44-51.

CHOW, D. (1964). Handbook of applied hydrology Chapter 15. New York. USA, pp. 114- 225.

CIBAS, T. (1996). Contrôle de la Complexité dans les Réseaux de neurones: Régularisation et Sélection de Caractéristiques, Unité de Formation et de Recherche Scientifique D'Orsay, Vol. 204, n° 15, pp. 452-478.

CIRIANI, T. A., MAIONE, U. et WALLIS, J. R. (1977). Mathematical Models for Surface Water Hydrology, Wiley, Chichester, UK, 146 p.

CLAIR, T. A. et EHRMAN, J. M. (1998). Using neural networks to assess the influence of changing seasonal climates in modifying discharge, dissolved organic carbon, and nitrogen export in eastern Canadian rivers. Water resources Research, Vol. 4, n°3, pp. 447-455. COULIBALY, P. ANCTIL, F. et BOBÉE, B. (1998). Real time neural network-based forecasting system for hydropower reservoirs. Procedings of the First International Conference on New Information Technologies for Decision Making in Civil Engineering, Ecole de Technologie Supérieure, Montréal, Canada. Vol. 2, pp. 1001-1011.

COULIBALY, P., ANCTIL, F., et Bobee, B. (1999). Prévision hydrologique par réseaux de neurones artificiels : Etat de l'art. Revue canadienne de génie civil, Vol. 26, pp. 293-304. COULIBALY, P., ANCTIL, F., RASMUSSEN, P.et BOBEE, B. (2000). A recurrent neural networks approach using indices of low-frequency climatic variability to forecast regional annual runoff. Hydrological Processes, Vol. 14, pp. 2755-2777.

CORMARY, Y. et DUILLOT, A. (1969). Ajustement et réglage des modèles déterministes. Méthode de calage des paramètres. La houille blanche, pp. 131-140.

CORMARY, Y. et GUILBOT, A. (1973). Etude des relations pluie-débit sur trois bassins versants d'investigation. Proceedings of the IAHS Madrid Symposium. IAHS Publication, Vol. 108, pp. 265-279.

CRAWFORD, N. H. et LINSLEY, R. K. (1966). Digital Simulation in Hydrology: Stanford Watershed Model IV. Technic Report. Departement of Civil Engineering, Université de Stanford, Stanford, Vol. 39, 210 p.

CRESPO, J. L., et MORA, E. (1993). Drought estimation with neural networks. Advances In Engineering Software, Vol. 18, n° 3, pp. 167-170.

DALLMEYER, R. D. et LECORCHE, J. P. (1990). Enregistrement d'un âge minéral argon 39-argon 40 polyorogénique dans la partie nord de l'orogène des Mauritanides, Afrique occidentale. Univ. Georgia, dep. geology, Athens GA 30602, Etats-Unis. CongrèsTerranes. In the Variscan blet of Europe and circum-Atlantic Paleozoic orogens : selected papers, Montpellier, France, August 1988International IGCP conference project 233 : terranes in the Variscan belt of France and Western Europe, Montpellier , France, vol. 177, n^o 1 et 3, pp. 81- 107.

DARPA NEURAL NETWORK STUDY (1988). Alexandria, VA: AFCEA International Press, 60 p.

DATIN, R., (1999). Développement d'outils opérationnels pour la prévision des crues rapides. Prise en compte de la variabilité spatiale de la pluie dans TOPMODEL, La Houille Blanche, n°7 et 8, pp. 13-20.

DEFFONTAINES, B., (1990). Développement d'une méthodologie morphotectoniqueAnalyse de surfaces enveloppes du réseau hydrographique et des MNT. Thèse de Doctorat, Université Paris VI, France, 225 p.

DECHEMI, N., TARIK, B. A. et ISSOLAH, A. (2003). Modélisation des débits mensuels par les modèles conceptuels et les systèmes neuro-flous. Revue des Sciences de l'Eau. Vol. 16 n°4, pp. 407-424.

DE MARSILY, G. (1981). Hydrogéologie quantitative. Edition Masson. Paris, France, 215 p.

DEVRED, D. (1989). Etude pluviométrique du bassin de la Sambre. Etude hydrologique du sous-bassin de la Solre. Thèse de Doctorat, Université des Sciences et Techniques de LilleFlandre-Artois, France, 382 p.

DIBIKE, Y. B. et SOLOMATINE, D. P. (2001). River flow forecasting using Artificial Neural Networks. Physical chemical Earth, Vol. 26, n°1, pp. 1-7.

DIMOPOULOS, L., LECK, S., et LAUGA, J. (1996). Modélisation de la rélation pluiedébit par les réseaux connexionnistes et le filtre de Kalman. Journal des Sciences Hydrologiques, Vol. 41, n°2, pp. 179-193.

DJRO, S. C. (1998). Evolution tectono-métamorphiques des gneiss granulitiques archéens du secteur de Biankouma. Thèse de Doctorat ès Sciences Naturelles, Université de Cocody, Abidjan, Cote d'Ivoire, 171 p.

DREYFUS, G., MARTINEZ, J. M., SAMUELIDES, M., GORDON, M. B, BADRAN, F., THIRIA, S., et HERAULT, L. (2004). Réseaux de neurones : Méthodologie et application. 2ème édition, Groupe Eyrolles, 374 p.

DUAN, Q., SOROOSHIAN, S., et GUPTA, V. K. (1992). Effective and efficient global optimization for conceptual rainfall-runoff models. Water resources Research, Vol. 28, pp. 1015-1031.

EDIJATNO (1987). Amélioration des modèles simples de transformation pluie-débit au pas de temps journalier sur des petits bassins versants. Mémoire de DEA, Université Louis Pasteur (Strasbourg), Cemagref (Antony), France, 67 p.

EDIJATNO (1991). Mise au point d'un modèle élémentaire pluie-debit au pas de temps journalier (Elaboration of a simple daily rainfall-runoff model). Thèse de Doctorat, Université Louis Pasteur (Strasbourg) et Cemagref (Antony), France, 625 p.

EDIJATNO et MICHEL, C. (1989). Un modèle pluie-débit à trois paramètres. La houille Blanche, Vol. 2. pp. 113-121.

EDIJATNO, NASCIMENTO, N.O., YANG, X., MAKHLOUF, Z. et MICHEL, C. (1999). GR3J: a daily watershed model with three free parameters. Hydrological Sciences Journal, Vol. 44, n°2, pp. 263-278.

EL-JABI, N. et ROUSSELLE, J. (1987). Hydrologie fondamentale. Département de génie civil. Ecole Polytechnique de montréal. 2^ème édition. 234 p.

ENGLAND, C. B. (1975). Soil moisture accounting component of the USDAHL-74 model of watershed hydrology. Water Res. Bull. Vol. 11, n° 3, pp. 559-567.

ESTUPINA-BORREL, V., et DARTUS, D. (2003). La télédétection au service de la prévision opérationnelle des crues éclaires, Société Française de photogrammétrie et Télédétection, Hydrosystèmes et Télédétection à haute résolution, n°172, pp. 21-39. EURISOUKE, S. (2006). Prévision des crues par réseaux de neurones formels. Rapport de stage, Master Professional en Géotechnologie Environnementale, Ecole des Mines d'Alès, France, 50 p.

EWEN, J. et PARKIN, G. (1996). Validation of catchment models for predicting land-use and climate change impacts. Journal of hydrology, Vol. 175, no1 et 4, pp. 583-594.

FABRE, R. (1985). Caractérisation géochimique du magmatisme birimien dans le centre Côte d'Ivoire (Afrique de l'Ouest) : ses implications géodynamiques. CIFEG, publication Occasionnelle, n°12, 47 p.

FAHLMAN, S. E. (1989). Faster-learning variations on back-propagation: an ampirical study. In Proceedings of the 1988 Connectionist Models Summer School, Tourezky, D., Hinton, G., et Sjnowski, T. Morgan Kaufmann, pp. 38-51.

FAHLMAN, S.E., et LEBIERE, C. (1990). The cascade-correlation learning architecture. Technical report CMU-CS-90-100, Carnegie Mellon University, Pittsburgh, 134 p.

FORTIN, V., OURDA, T. B. M. J., RASMUSSEN, P.F., et BOBEE, B. (1997). Revue bibliographique des méthodes de prévision des débits. Revue des sciences de l'eau, Vol.10, n°4, pp. 461-487.

FRANCHINI, M. (1996). Use of a genetic algorithm combined with a local search method for the automatic calibration of conceptual rainfall-runoff models. Hydrological Sciences Journal, Vol. 41, n°1, pp. 21-39.

FRÄMLING, K. (1992). Les réseaux de neurones comme outils d'aide à la décision floue. Stage effectué au Département Stratégie du Développement (Equipe Ingénierie de l'Environnement) Ecole Nationale Supérieure des Mines de Saint-Etienne. DEA. I.N.S.A de Lyon Département Informatique (France), 55p.

FREAD, D. L. (1985). Channel routing. In: Hydrological Forecasting. M. G. Anderson et T. P. Burt. John Wiley et Sons Inc., New York. pp. 437-503.

FRIEDMAN, J. H. (1991). Multivariate adaptive regression splines. Annals of Statistics, Vol. 19, pp. 1-142.

GAUME, E. (2004). Sécheresse et étiage : Quelques réflexions . La houille blanche, Vol. 4, pp. 77-83.

GAUME, E., VILLENEUVE, J. P, et DESBORDES, X. (1998). Uncertainty assessment and analysis of the calibrated parameter values of an urban torm water quality model. Journal of Hydrology, Vol. 210, pp. 38-50.

GEMAN, S., BIENENSTOCK, E., et DOURSAT, R. (1992). Neural networks and the bias/variance dilemma. Neural Computation, Vol. 4, pp. 1-58.

GIRARD, G., CHARBONNEAU, R., et MORIN, G. (1972). Modèle hydrophysiographique. Comptes rendus Symposium international sur les techniques de modèles mathématiques appliquées aux systèmes de ressources en eau. Environnement Canada, Ottawa, Vol. 1, pp. 190-205.

GUNNAR, L. et UHLENBOOK, S. (2003). Cheching a process-based catchment model by artificial neural networks. Hydrological processes, Vol. 17, pp. 265-277.

GUILLOT, P., et DUBAND, D., (1967). La méthode du GRADEX pour le calcul de la probabilité des crues rares à partir des pluies, Publication AISH, n°84, pp. 560-569. GUILLOT, P. et DUBAND, D. (1980). Une méthode de transfert pluie-débit par régression multiple. Prévision hydrologique. Actes du colloque d'Oxford, AISH Publication, n° 129, pp. 177-195.

GUYOT, J. L. (1997). Hidro-climatologia da região. Goiás 94 et 95, J.L. Guyot, Brasília, pp. 23-30.

HAAN, C. T. (1977). Statistical methods in Hydrology. Iowa State University Press, Ames (Ia, USA), 378 p.

HAGAN, M. T., DEMUTH, H. B. et BEALE, M. H. (1996). Neural network design, PWS, Boston, MA, 259 p.

HAYKIN, S. (1994). Neural networks: a comprehensive foundation. Macmillan College Publishing Company Inc., New York, 134 p.

HAYKIN, S. (1999). Neural Networks : A Comprehensive Foundation, Prentice-Hall, Old Tappan, N. J., 350 p.

HIPEL, K. W. et MCLEOD, A. I. (1994). Developpment in water sciences. Time Series Modelling of Water Resources and Environmental Systems, Elsevier, Amsterdam, 1013 p. HOOKE, R., et JEEVES, T. A. (1961). Direct Search Solution of Numerical and Statistical Problems. ACM Journal, Vol 8, pp. 212-229.

HORNIK, K. (1991). Approximation capabilities of multilayer feedforward networks, Neural Networks, Vol. 4, pp. 251-257.

HORNIK, K., STINCHCOMBE, M., et WITHE, H. (1989). Multilayer feedforward networks are universal approximators. Neural Network, Vol. 2, pp. 359-366.

HSU, K.L., GUPTA, H.V., et SOROOSHIAN, S. (1995). Artificial neural network modelling of the rainfall-rainoff process. Water Resources Research, Vol. 31, n°10, pp. 2517- 2530.

HUANG, W. F., TSAI, S. J., LO, C. F., SOICHI, Y. et WANG, C. H. (2004). The novel organization and complete sequence of the ribosomal gene of Nosema bombycis. Fung. Genet. Biol., Vol. 41, pp.473-481.

HSU, K. L., GUPA, H. V., et SOROOSHIAN, S. (1995). Artificial neural network modeling of the rainfall-rainoff process. Water Resources Research, Vol. 31, n° 10, pp. 2517- 2530.

HUTTUMEN, M., VEHVILAINEN, B., et UKLONEN, E. (1997). Neural network in the ice-correction of discharge observations. Nordic Hydrology, Vol. 28, n°4, pp. 283-296. INSTITUT NATIONALE DE LA STATISTIQUE (INS) (2000). Recensement Général de la population et des habitats de la Côte d'Ivoire.

IVAKHNENKO, A. G. (1971). Polynomial theory of complex systems. IEEE Transactions on System, Man and Cybernetics, Vol. 12, pp. 364-378.

JAMES, A. A. et ROSENFELD, E. (1988). Neurocomputing : fondations of Research. MIT Press Cambridge, MA, USA, 729 p.

JOHANNET, A. (2006). Les réseaux de neurones formels. Cours, Travaux dirigés et travaux pratiques. Ecole des Mines d'Alès, Alès, France, 54 p.

JOURDAN, F. (2007). Modèle de prévision et de gestion des crues optimisation des opérations des aménagements hydroélectriques à accumulation pour la réduction des débits de crue. Thèse de Doctorat Es-Science, École Polytechnique Fédérale de Lausanne, Suisse, 269 p.

KABOUYA, M. (1990). Modélisation pluie-débit aux pas de temps mensuel et annuel en Algérie septentrionale. Thèse de Doctorat, Université Paris Sud Orsay, France, 347 p.

KABOUYA, M. et MICHEL, C. (1991). Monthly water resources assessment, application to a semi-arid country. Revue des sciences de l'Eau, Vol. 4, n°4, pp. 569-587.

KACHROO, R. K. (1986). HOMS workshop on river flow forecasting, Nanjing, China. Unpublished internal report, Dep. Eng. Hydrol., University College Galway, Irelan, 149 p.

KARUNANITHIK, N., GRENNEY, W. J., WITHNEY, D., et BOVEE, K. (1994). Neural networks for river flow prediction. Journal of Computing in Civil Engeneering, ASCE, Vol. 8; n°2, pp. 201-220.

KLEMES, V. (1986a). Operational testing of hydrological simulation models. Journal des sciences hydrologiques, Vol. 31, pp. 13-24.

KOFFI, Y. B., (2002). Contribution à l'analyse des méthodes d'interprétation des essais de pompage : Cas des méthodes dérivées de la solution de Théis (Méthodes grapho-analytiques et méthodes numériques) ; application aux secteurs de Biankouma-Man et de Dabou. Mémoire de Diplôme d'Etude Approfondie, Université de Cocody, Abidjan, Côte d'Ivoire, 53 p.

KOFFI, Y. B., LASM, T., AYRAL, P. A., JOHANNET, A., KOUASSI, A. M., ASSIDJO, E., et BIEMI, J. (2006). Optimisation des modèles Perceptrons Multicouches avec les algorithmes de premier et de deuxième ordre. Application à la modélisation de la relation pluie-débit du Bandama Blanc, nord de la Côte d'Ivoire. European Journal of Scientific Research. Vol. 17, n° 3, pp.13-328.

KOUAMELAN, A. N. (1996): Géochronologie et géochimie des formations Archéennes et Protérozoïques de la dorsale de Man en Côte d`Ivoire. Implications pour la transition Archéenne-protérozoique. Thèse de Doctorat ès Sciences Naturelles. Université de Rennes I. 277 p.

KUCZERA, G. et PARENT, E. (1998). Monte Carlo assessment of parameter uncertainty in conceptual catchment models: the Metropolis algorithm, Journal of Hydrology, Vol. 211, n°1 et 4, pp 69-85.

LADJADJ, R. (2003). Les réseaux de neurones, Ingénieur 2000, Cours de la Filière Informatique et Réseaux, 79 p.

LACHTERMACHER, G. et FULLER, J. D. (1994). Backpropagation in hydrological time series forecasting. In Stochastic and statistical methods in hydrology and environmental engineering. Time series analysis in hydrology and environmental engineering. K. W. Hipel, A. I. McLeod, U. S. Panu et V. P. Singh. Kluwer Academic Publishers, Dordrecht, Hollande. pp. 229-242.

LAFONT, D. (2005). Prise en Compte des Hétérogénéités dans la Restitution de l'Eau Nuageuse et des Précipitations par Radiométrie Micro-Onde Passive. Thèse de Doctorat, Université Blaise Pascal (Ecole Doctorale des Sciences Fondamentales), n° 1558, France, 192 p.

LAM, R. BEVEN, K. et MYRABO, S (1998). Use of spatially distributed water table observations to constain uncertainly in a rainfall-runoff model. Adavances in water resources, Vol. 11, n°4, pp. 305-317.

LASM, T. (2000). Hydrogéologie des réservoirs fracturés : analyse statistique et géostatistique de la fracturation et des propriétés hydrauliques. Application à la région des Montagnes de Côte d'Ivoire (domaine Archéen). Thèse de Doctorat Unique, Université de Poitiers, France, 273 p.

LE CUN, Y. DENKER, J. S. et SOLLA, S. A. (1990). Optimal brain damage. In advances in Neural information System 2, Touretzsky, D., ed., Denver, Co, Morgan Faufmann, pp. 598- 605.

LEGATES, X. et MCCABE, J. (1999). Evaluating the use of "goodness-of-fit" measures in hydrologic and hydroclimatic model validation. Water Resources Research, Vol. 35, n°1. pp. 233-241.

LEMOINE, S. (1988): Evolution de la région de Dabakala (NE de la Côte d'ivoire) au Protérozoïque inférieur. Possibilités d'extension au reste de la Côte d`Ivoire et au Burkina Faso. Similitudes et différences; les linéaments de Greenville-Ferkessedougou et grand CessNiakaramandougou. Thèse de Doctorat ès Sciences Naturelles, Université Clermont Ferrand II, France, n° 92, 334 p.

LERAY, P. (2000). Quelques Types de Réseaux de neurones. La Rétropropagation. Fond de Cours. INSA Rouen -Département ASI-Laboratoire PSI, France, 52 p.

LETTENMAIER, D. P. et WOOD, E. F. (1993). Hydrologic forecasting. Dans Handbook of hydrology. D. R. Maidment. McGraw-Hill, New York, pp. 164-184.

LÉVÊQUE, C., DEJOUX, C. et ILTIS, A. (1983). Limnologie du fleuve Bandama, Côte d'Ivoire. O.R.S.T.O.M., Hydrobiologie, 24 rue Bayard, Paris (France). Hydrobiologia, Vol. 100, pp. 113-141.

LEWIS, P. A. W. et STEVENS, J. C. (1991). Nonlinear modeling of time series using multivariate adaptive regression splines (MARS). Journal of the American Statistical Association, Vol. 87, pp. 864-877.

LOUMAGNE, C. (1988). Prise en compte d'un indice de l'état hydrique du sol dans la modélisation pluie-débit. Thèse de Doctorat, Université de Paris-Sud (Orsay), Cemagref (Antony), France, 200 p.

LI-CHIU, C., JOHN, C. et YEN-MING, C. (2004). A two-step-ahead recurrent neural network for stream-flow forecasting. Hydrological Processes, Vol. 18, pp. 81-92.

LIONG, S. Y., NGUYEN, V. T.V., CHAN, W.T., et CHIA, Y.S. (1994). Regional estimation of floods for ungaged catchments with neural networks. 9^th Congress of the Asian and Pacific Division of the International Association for hydraulic Research , Singapour. Comptes rendus. Asian Pacific Division of the International Association for hydraulic Research Singapour, Vol 1, pp. 372-378.

LOUMAGNE, C., MICHEL, C., et NORMAND, M. (1991). Etat hydrique du sol et prévision des débits, Journal of Hydrology, Vol. 123, pp.1-17.

Malin, F. (1992) : Comment préserver le cycle de l'eau» dans M. Barrère, Terre, patrimoine commun : la science au service de l'environnement et du développement Paris, La Découverte/ Descartes, France, pp. 45-54.

MAMDOUH, A. A., IBRAHIM, E., et MOHAMED, N.A. (2006). Rainfall-runoff modelling using artificial neural networks technique: a Blue Nile catchment case study. Hydrological, Processes, Vol. 20, pp. 1201-1216.

MANGEAS, M. (1997). Propriétés statistiques des modèles paramétriques non-linéaires de prévision de series temporelles. Application aux réseaux de neurones à propogation directe. Report n° 97NJ00017, Electricité de France, Clamart, France, 205 p.

MAKHLOUF, Z. (1994). Compléments sur le modèle pluie-débit GR4J et essai d'estimation de ses paramètres. Thèse de Doctorat. Université de Paris XI Orsay / Cemagref (Antony), France, 228 pp.

MASIYANDINA, M. C., GIESEN, N. V., DIATTA, S., WINDEMEIJER, P. N. et STEENHUIS, T. S. (2003). The hydrology of inland valleys in the sub-humid zone of West Africa : rainfall-runof processes in the M'bé expérimental watershed. Hydrological processes, Vol. 17, pp. 1213-1225.

MAKHLOUF, Z. et MICHEL, C. (1994). A two-parameter monthly water balance model for French watersheds. Journal of Hydrology, Vol. 162, pp. 299-318.

MC CULLOCH, W. S., et PITTS, W. H. (1943). A logical calculus ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, Vol. 5, pp. 115-133.

MCKAY, D. J. C. (1992). Bayesian interpolation, Neural Computation, Vol. 4, n°3, pp. 415- 447.

MERMOUD, A. (1998). Eléments de physique du sol, Ed. H. G. A., Bucarest, 132 p. MICHEL, C. (1989). Hydrologie appliquée aux petits bassins ruraux. Rapport technique CEMAGREF-Antony. Report, n°5, 189 p.

MICHEL, C. (1983). Que peut-on faire en hydrologie avec un modèle conceptuel à un seul paramètre. La Houille Blanche, Vol. 1, pp. 39-44.

MICHEL, C. et MAILHOL, J.C. (1989). Hydrologie appliquée aux bassins ruraux. CEMAGREF, Antony, France, 528 p.

MIOSSEC, M. P. (2004). Apport des multi-modèles pour la modélisation sur des basins versants non jaugés. DEA Hydrologie, hydrogéologie, géostatistique et géochimie. Université Pierre et Marie Curie, Université de Paris-sud, Ecole Nationale du Génie Rural des eaux et des Forêts. CEMAGREF, Antony, France, 43 p.

MORIN, G., FORTIN, J. P., LARDEAU, J. P., SOCHANSKA, W. et PAQUETTE, S., (1981). Modèle CEQUEAU : manuel d'utilisation. INRS-Eau, Ste-Foy, Rapport scientifique, Québec, Canada, n° 93, 449 p.

MONTEITH, J. L. (1980). The development and extension of Penman's evaporation formula. Academi Press, New York, USA, 138 p.

MOUELHI, S. (2003). Vers une chaîne cohérente de modèles pluie-débit conceptuels globaux aux pas de temps pluriannuel, annuel, mensuel et journalier. Thèse de doctorat de l'Ecole Nationale du Génie Rural, des Eaux et des Forêts, CEMAGREF, France, 263 p. MOUELHI, S., MICHEL, C., PERRIN, C., et ANDRÉASSIAN, V. (2006). Linking stream flow to rainfall at the annual time step: the Manabe bucket model revisited. Journal of hydrology, (sous presse).

MUSY, A. et HIGY, C. (2003). Hydrologie, Une science de la nature. Presses Polytechniques et Universitaires Romandes, Vol. 1, 309 p.

NASH, J. E., et STUCLIFFE, J. V. (1970). River flow forecasting through conceptual models. Part 1. A discussion of principles. Journal of Hydrology, Vol. 10, pp. 282-290.

NASCIMENTO, N. O. (1991). Adaptation d'un modèle conceptuel journalier (GR3J) aux bassins versants de cours d'eau intermittents. Mémoire de DEA, ENPC, ENGREF, Université Paris Val de Marne, France, 89p.

NASCIMENTO, N. O. (1995). Appréciation à l'aide d'un modèle empirique des effets d'actions anthropiques sur la relation pluie-débit à l'échelle du bassin versant. Thèse de doctorat, CERGRENE/ENPC. Paris, France, 550 p.

NEAL, R. M. (1996). Bayesian learning for neural networks, Springer-Verlag, New York, 183 p.

NELDER, J. A. et MEAD, R. (1965). A simplex method for function optimization. Computer Journal, Vol. 7, 308 p.

NIGRIN, A. (1993), Neural Networks for Pattern Recognition, Cambridge, MA: The MIT Press, 11 p.

ORSTOM (1989). Précipitations journalières de 1966 à 1980: République de Côte d'Ivoire. Montpellier, France, 594 p.

PARIZEAU, M. (2004). Réseaux de neurones. GIF-21140 et GIF-64326. Université Laval. 115 p.

PERRAUD, A. (1971). Les sols, in le milieu naturel de la Côte d'Ivoire, Mémoire ORSTOM, 50 p.

PERRIN, C. (2000). Vers une amélioration d'un modèle global pluie-débit au travers d'une approche comparative. Thèse de Doctorat, CEMAGREF. Antony, Institut National Polytechnique de Grenoble, France, 530 p.

PERRIN, C., MICHEL, C. et ANDREASSIAN, V. (2002). Improvement of a parsimonious model for streamflow simulation. Journal of Hydrology, pp. 125-149.

PERRIN, C., MICHEL, C., et ANDRÉASSIAN, V. (2003). Improvement of a parsimonious model for streamflow simulation. Journal of Hydrology, Vol. 279, n°1 et 4, pp.275-289.

PITMAN, E. J. G. (1939). A note on normal correlation. Biometrika, Vol. 31, pp. 9-12. PREISSMANN, M. (1971). A note on strong perfectness of graphs. Mathematical programming, Ecole polytechnique Fédérale de Lausanne, SUISSE, Vol. 31, n^o3, pp. 321- 326.

PRINCIPE, J. C, EULIANO, N. R, et LEFEBVRE, W.C. (2000). Neural and Adaptive Systems: Fundamentals throught Simulation, John Wiley and Sons, Inc. Stil, J. M., Irwin, J. 563 p.

QUAEGHEBEUR, R. (2002). Analyse et prédiction de débit de rivières par des méthodes non linéaires. Masters Thesis, Université catholique de Louvain, Louvain-la-Neuve, Belgium, 52 p.

RAO, C. R. (1973). Linear statistical inference an applications, John Wiley, New York, USA, 522 p.

REFSGAARD, J. C. (1997). Parameterisation, calibration and validation of distributed hydrology models. Journal of Hydrology, Vol. 198, n°1 et 4, pp. 69-97.

REFSGAARD, J. C., et ABOTT, M. B. (1996). The role of distributed hydrologycal modelling in water resources management. In Distributed hydrologycal modelling, Abott, M.B., et Refsgaard, J.C. (Eds.), Kluwer, the netherlands, pp. 1-16.

ROCHE, M. (1971). Les divers types de modèles déterministes. La houille Blanche, Vol. 2. pp. 111-129.

ROSENBROCH, K. H. (1960). An automatic method for finding the greatest of least value of a function. The Computer Journal, pp. 3-7.

ROUSSELLE, J. et EL-JABI, N. (1987). Hydrologie fondamentale. Ecole Polytechnique de Montréal, Canada, 234 p.

ROUSSILLON, C. (2004). Prévision de température par Réseaux de neurones. Lycée Victor Hugo, BESANCON, 48 p.

RUMELHART, D. E, et MCCLELLAND, J. L. (1986). Parallel distributed processing: Axploration in the Microstructure of Cognition. MIT Press. Cambridge, USA. 137 p.

SARLE, W. S. (1994). Neural networks and statistic models. Proceedings of the 9^th Annual SAS Users Group International Conference (SAS Institute), Cary, North Carolina, pp. 1538- 1550.

SARLE, W. S. (1999). Neural network FAQ, Introduction, periodic posting to the Usenet newsgroup comp.ai.neural-nets, pp. 1-7.

SCHUMANN, A. H.; FUNKE, R. et SCHULZ, G. A. (2000).Application of a geographic information system for conceptual rainfall-runoff modelling. Journal of Hydrology, Vol. 240, pp. 45-61.

SIEBERT, X. (2000). Multi-criteria calibration of a conceptual runoff model using genetic algorithm. Hydrology and Earth System Sciences, Vol. 4, n°2, pp.215-224.

SMITH, J. et ELI, R. N. (1995). Neuronal-network models of rainfall-runoff process. Journal of Water Resources planning and Management, Vol. 121, n°6, pp. 499-508.

SMITH, R. E., et HEBBERT, R. H. B. (1983). Mathematical simulation of interdependent surface and subsurface. Hydrologic Processes, Vol. 19, n°4, pp. 987-1001.

SOLOMATINE, D. P (1999). Two strategies of adaptative cluster covering with descent and their comparison to other algorithms, J. of Global Optimization, Vol. 14, n°1, pp 55-78. SUDHEER, K. P., GOSAIN, A K et RAMASASTRI, K S (2002). A data-driven algorithm for constructing artificial neural network rainfall-runoff models. Hydrological Processes, Vol. 16, pp. 1325-1330.

SUDHEER, K. P. et JAIN, A. (2004). Explaining the Internal Behaviour of Artificial Neural Network River Flow Models. Hydrological Processes, Vol. 18, n°4, pp. 833-844.

SUDHEER, K.P., NAYAK, P.C. et RAMASASTRI, K. S. (2003). Improving peak flow estimates in artificial neural network river flow models. Hydrological Processes, Vol. 17, pp. 677-686.

TAGINI, B. (1971). Esquisse structurale de la Côte d'Ivoire. Essai géotechnique régional. Thèse de Doctorat es-Sciences Naturelles, Université de Lausanne, Suisse, n°88, 266 p. TAPSOBA, S. A. (1995). Contribution à l'étude géologique et hydrogéologique de la région de Dabou (Sud de la Côte d'Ivoire): Hydrochimie, Isotopie et Indice cationique de vieillissement des eaux souterraines. Thèse de Doctorat de 3^ème cycle. Université d' Abidjan, Cote d'Ivoire, n°75, 200 p.

TARIK, B. A. (2006). Modélisation pluie-débit mensuelle et journalière par les modèles conceptuels et les systèmes neuro-flous (application aux bassins Algériens). Thèse de Doctorat d'Etat, Institut National Agronomique d'Alger, Algérie, 242 p.

TARIK, B. A. et DECHEMI, N. (2004). Modélisation pluie-débit journalière par des modèles conceptuels et «boîte noire»; test d'un modèle neuroflou / Daily rainfall-runoff modelling using conceptual and black box models; testing a neuro-fuzzy model. Journal des Sciences Hydrologiques, Vol. 49, pp. 919-930.

TASTET, J. P. (1979). Environnements sédimentaires et structuraux quaternaires du littoral du golfe de Guinée (Côte d'Ivoire, Togo, Bénin). Thèse de doctorat d'Etat, Université de Bordeau I, France, n° 621, 181 p.

THIRUMALAIAH, K. et DEO, M. C. (1998). River stage forecasting using artificial neural networks. ASCE Journal of Hydrologic Engineering, Vol. 3, n°1, pp. 26-32.

Tong, H. (1983). Threshold models in nonlinear time series analysis. Springer-Verlag, Berlin, Allemagne, pp. 552-670.

TOUZET, C. (1992). Les réseaux de neurones artificiels. Introduction au connexionnisme. Cours, exercice et travaux pratiques, 58 p.

TROMPETTE, R. (1973). Précambrien (le) supérieur et le paleozoique inferieur de l'ADRAR de Mauritanie (bordure occidentale du bassin de Taoudeni, Afrique de l'ouest) un exemple de sédimentation de craton. Etude stratigraphique et sédimentologique. L.A. CNRS 132 (Travaux des laboratoires des sciences de la terre, Saint-Jérôme Marseille), Vol. 3, 765 p.

TUFFIN, B. (1997). Variance Reductions applied to Product-Form Multi-Class Queuing Networks. ACM Transactions on Modeling and Computer Simulation, Vol.7, n°4, pp 478- 500.

UNESCO-OMM (1992). Glossaire international d'hydrologie, en quatre langues (Anglais, Espagnol, Français, Russe), 2ème édition, UNESCO-OMM, Paris/Genève, 497 p.

VAPNIK, V. (1992). Principles of risk minimization for learning theory. In Advances in Neural Processing System 4, Denver, 245 p.

WENRI, H., XU, B., et AMY, C. H. (2004). Forecasting flows in Apalachicola river using neural networks. Hydrological Processes, Vol. 18, pp. 2545-2564.

WERBOS, P. J. (1974). Beyond regression: new tools for prediction and analysis in the behavioral sciences. Thèse de Doctorat, Committe on Applied Mathematics, Harvard University, Cambridge, Massachusetts, 256 p.

WERBOS, P. J. (1981). Applications of advances in nonlinear sensitivity analysis. Dans System modeling and optimization. Drenick R. et Kozin F. Springer-Verlag, New York, pp. 762-770.

WINTERS, P. R. (1960). Forecasting sales by exponentially weighted moving averages. Management Sciences, Vol. 6, pp. 324-342.

WMO (1994). Guide to hydrological practics. WMO, n° 168, Genève, suisse, 560 p. WILCOXON, F. (1945). Individual comparisons by ranking methods. Biometrics, Vol. 1, pp. 80-83.

YOUNG, P. (2003). Top-down and data-based mechanistic modelling of rainfall-flow dynamics at the catchment scale. Hydrological Processes, Vol. 17, pp. 2195-2217.

ZHANG, E. Y., et TRIMBLE, P. (1996). Forecasting water availability by appliying neural network with global and solar indices. Proceedings of the sixteenth annual American Geophysical Union Hydrology Days. Ed. H.J. Morel-Seytoux. Hydrology Days Publications, Washington, D.C, pp. 559-570.

ZHU, M. L. et FUJITA, M. (1994). Comparison between fuzzy reasoning and neural network methods to forecast runoff discharge. Journal of Hydroscience and Hydraulic Engineering, Vol. 12, n°2, pp. 131-141.

ZURADA, J. M. (1992). Introduction to artificial neural system. West Publishing Co., Saint Paul, Minnesota, 327 p.