Prévision des crues par modèle de réseau de neurones artificiels

Prévision des crues par modèle de réseau de neurones artificiels PDF Author: Ouissem Kharroubi
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0

Get Book Here

Book Description
La croissance des populations riveraines engendre un accroissement de la vulnérabilité de nos sociétés aux inondations donc une forte demande sociale pour prévenir et prévoir ces catastrophes naturelles. Pour atteindre cet objectif, la disposition d'outils de prévision des crues, opérationnels et fiables, est primordiale. Mais la prévision des crues demeure un exercice loin d'être évident. D'une part, parce que les exigences en matière de prévision (précision et délai d'anticipation) sont de plus en plus fortes et d'autre part, parce que les outils physiques de prévisions des crues sont limités par les connaissances relatives de l'hydro-système. Dans ce contexte, ce mémoire présente les travaux effectués pour réaliser des modèles de prévisions des crues pluie-débit, à base de réseaux de neurones artificiels (RNA), dans les bassins versants de l'Eure, de l'Iton et de l'Avre jusqu'à un horizon de prévision de 48h. D'abord, une analyse de la complexité géographique des bassins sera menée afin de déterminer les différents éléments influençant leurs régimes hydrologiques. Ensuite, une démarche méthodologique d'analyse statistique des données a permis une synthèse sur la nature hydrologique des bassins étudiés et d'apporter les éléments nécessaires à la définition des relations non-linéaires pluie-débit. Cet apport a permis la création d'un modèle pluie-débit non-linéaire de prévision des crues. Un modèle RNA capable d'effectuer des prévisions des crues jusqu'au 48h d'anticipation. Ce processus a été testé sur les trois bassins versants et les résultats des tests montrent une production de prévisions fiables ainsi qu'une capacité de généralisation à d'autres hydro-systèmes.

Conception de modèles de prévision des crues éclair par apprentissage artificiel

Conception de modèles de prévision des crues éclair par apprentissage artificiel PDF Author: Audrey Bornancin Plantier
Publisher:
ISBN:
Category :
Languages : fr
Pages : 229

Get Book Here

Book Description
RésuméLe Sud de la France subit régulièrement des inondations dévastatrices et meurtrières résultant d’épisodes pluvieux très intenses et localisés. La prévision de ces événements rapides et complexes est très difficile. Créé dans ce contexte, le projet FLASH (Flood forecasting with machine Learning, data Assimilation and Semi-pHysical modeling) regroupe plusieurs laboratoires partenaires qui ont pour objectif de fournir au SCHAPI (Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations) des modèles de prévision des crues afin d’alimenter la carte de vigilance des crues disponible sur internet.La zone d’étude principale est le Gardon d’Anduze. Des modèles à réseaux de neurones avec deux types d’architecture sont réalisés pour prévoir la hauteur du cours d’eau à partir des pluies et des hauteurs passées. La sélection du nombre de neurones cachés, du nombre de variables, de certains paramètres de l’algorithme d’apprentissage, ainsi que l’initialisation des paramètres des réseaux, déterminante pour l’estimation des performances des modèles, est effectuée par validation croisée. Les prévisions obtenues en test sont intéressantes jusqu’à un horizon de prévision de 2h voire 3h suivant l’événement en test. La mise en œuvre d’un apprentissage adaptatif est décevante.L’utilisation de hauteurs de pluies issues des mesures radar, plutôt que celles provenant des pluviomètres, a conduit à des premiers résultats équivalents.Enfin, la méthodologie établie a été appliquée à la conception de modèles pour la prévision des crues sur le Gardon à Remoulins, bassin versant qui inclut celui précédemment étudié ; ces modèles donnent des résultats satisfaisants.

Water Pipelines Failure Modeling

Water Pipelines Failure Modeling PDF Author: Ahmad Asnaashari
Publisher:
ISBN:
Category :
Languages : en
Pages : 193

Get Book Here

Book Description
La défaillance des réseaux d'eau constitue un problème majeur en Iran, qui nécessite des investissements importants et l'élaboration d'une stratégie optimale pour la réhabilition des réseaux d'eau. Ce travail constitue une contribution à cet objectif. Il vise le développement des outils pour améliorer la gestion et la maintenance des réseaux d'eau. Il comporte la détermination des principaux facteurs affectant la défaillance des réseaux d'eau, l'élaboration d'un modèle de prévision fondé sur les Réseaux de Neurones Artificiels, et le développement d'un modèle de survie. Ces approches ont été appliquées sur le réseau d'eau de la ville de Sanandaj en Iran. Le travail de thèse a comporté différents parties, notamment: la collecte de données sur le réseau de la ville de Sanandaj, l'analyse spatiale et statistique de ces données, le développement d'un modèle basé sur le Réseau de Neurones Artificiels et l'application de l'approche de survie. L'analyse des données a permis la détermination de principaux facteurs à l'origine de la défaillance des réseaux d'eau. Deux modèles de régression (multiple et Poisson) ont été employés pour la prévision du nombre de défaillances du réseau d'eau. Ces modèles ont été comparés à l'approche Réseau de Neurones Artificiels. La comparaison a montré tout l'intérêt d'utiliser l'approche Réseau de Neurones pour la prévision de la défaillance des réseaux d'eau. L'approche de survie a été utilisée pour étudier la durée de vie et étudier l'impact d'une intervention sur le réseau d'eau.

Application de l'apprentissage artificiel à la prévision des crues éclair

Application de l'apprentissage artificiel à la prévision des crues éclair PDF Author: Mohamed Toukourou
Publisher:
ISBN:
Category :
Languages : fr
Pages : 185

Get Book Here

Book Description
L'objet de cette thèse est d'appliquer l'apprentissage statistique à la prévision des crues éclair cévenoles qui ont occasionné des pertes humaines et des dégâts considérables durant ces 20 dernières années. Les travaux s'inscrivent dans le cadre du projet Bassin Versant Numérique Expérimental Gardons. Dans ce contexte, ce mémoire se propose de présenter les travaux effectués pour réaliser la prévision des crues du Gardon d'Anduze à Anduze, jusqu'à un horizon de prévision de l'ordre de grandeur du temps de concentration, en l'absence de prévision de pluie, par des méthodes d'apprentissage statistique. La première partie de ce mémoire s'attache donc à présenter la famille de fonctions choisies pour réaliser cette tâche - les réseaux de neurones utilisés pour la prévision du comportement d'un processus dynamique non linéaire -, les propriétés fondamentales qui justifient leur utilisation (l'approximation universelle et la parcimonie), ainsi que les méthodes connues pour éviter le surajustement. La deuxième partie de ce mémoire présente le cours d'eau qui constitue l'objet de l'étude : le Gardon d'Anduze et ses Gardonnades ainsi que les études hydrologiques qui y sont consacrées. La troisième partie s'intéresse à la mise en œuvre de méthodes de régularisation connues : la modération des poids et l'arrêt précoce. L'efficacité de ces méthodes est connue, mais il a fallu les adapter dans ce travail pour parvenir à estimer le comportement très intense d'un événement extrême. Le mémoire montre comment éviter les phénomènes de spécialisation observés en fonction de l'ensemble d'arrêt, et il introduit la validation croisée partielle, qui est en fait spécialisée sur les événements intenses. C'est grâce à l'établissement d'une typologie des événements, et grâce à une distribution judicieuse de ceux-ci dans les différents sous-ensembles d'apprentissage, de validation, d'arrêt et de test, qu'une procédure générale a pu être établie pour définir ces sous-ensembles et concevoir le modèle de prévision. Les performances du modèle obtenu en prévision permettent d'envisager qu'une alerte fiable soit disponible sur Internet par l'intermédiaire du SCHAPI et de son site vigicrues, rendant ainsi une aide précieuse aux populations. Ainsi, ce mémoire établit que, contrairement à ce que l'on peut lire dans de nombreuses publications sur les réseaux de neurones appliqués à la prévision des crues, il n'est pas impossible de généraliser à un événement plus intense que ceux de l'ensemble d'apprentissage et il n'est pas non plus impossible d'éviter le surajustement au bruit dans les mesures. C'est également pour cela que les perspectives ouvertes par ce travail sont particulièrement importantes, tant pour intégrer de l'adaptativité dans le modèle que pour généraliser leur application à des bassins versants non jaugés

Hydro-climatologie globale pour la prévision des crues du Nil au moyen de fonctions de transfert avec bruit et de réseaux de neurones artificiels

Hydro-climatologie globale pour la prévision des crues du Nil au moyen de fonctions de transfert avec bruit et de réseaux de neurones artificiels PDF Author:
Publisher:
ISBN:
Category :
Languages : fr
Pages :

Get Book Here

Book Description


Hydro-climatologie globale pour la prévision des crues du Nil au moyen de fonctions de transfert avec bruit et de réseaux de neurones artificiels [microforme]

Hydro-climatologie globale pour la prévision des crues du Nil au moyen de fonctions de transfert avec bruit et de réseaux de neurones artificiels [microforme] PDF Author: Ayman Georges Awadallah
Publisher: National Library of Canada = Bibliothèque nationale du Canada
ISBN: 9780612488779
Category :
Languages : fr
Pages : 220

Get Book Here

Book Description


Prévision des crues rapides avec des modèles hydrologiques globaux

Prévision des crues rapides avec des modèles hydrologiques globaux PDF Author: Laetitia Moulin
Publisher:
ISBN:
Category :
Languages : fr
Pages :

Get Book Here

Book Description
Ce travail propose d’évaluer, dans le cas des bassins versants de la Loire supérieure, l’intérêt de modèles pluie-débit globaux pour la prévision opérationnelle des crues rapides. Après une description du bassin à Bas-en-Basset, l’analyse critique des jeux de données disponibles met en évidence leur richesse, mais aussi leurs défauts. La grande variété des événements hydrométéorologiques touchant ces bassins apparaît particulièrement intéressante pour comparer des modèles hydrologiques. Des modèles conceptuels simples sont apparus plus robustes et souvent plus performants que des modèles statistiques ou des réseaux de neurones artificiels. Des critères spécifiques à la prévision des crues mettent en évidence les informations sur l’évolution immédiate des débits apportées par la transformation de la pluie en débit, même si les erreurs de modélisation restent importantes et finalement proches d’un modèle à l’autre. Un effort particulier a été porté sur l’estimation par krigeage des précipitations moyennes spatiales, pour lesquelles un modèle d’erreur est proposé et validé sur les données. Ces incertitudes, propagées dans les modèles pluie-débit, contribuent, selon la taille des bassins, à une part variable de l’erreur totale de modélisation. Enfin un travail exploratoire a montré l’intérêt d’inclure des prévisions de pluies probabilisées dans une chaîne hydrométéorologique, pour augmenter les délais d’anticipation et prendre en compte les incertitudes associées. Toutefois, la disponibilité de ces prévisions impose des traitements préalables à leur utilisation. Il ressort que des outils simples peuvent laisser envisager des améliorations dans ce domaine encore très perfectible de la prévision des crues.

PREDICTION DES SERIES TEMPORELLES PAR RESEAUX DE NEURONES ARTIFICIELS

PREDICTION DES SERIES TEMPORELLES PAR RESEAUX DE NEURONES ARTIFICIELS PDF Author: Françoise Fessant
Publisher:
ISBN:
Category :
Languages : fr
Pages : 166

Get Book Here

Book Description
DANS CETTE THESE NOUS NOUS INTERESSONS A LA PREDICTION DES SERIES TEMPORELLES PAR LES RESEAUX DE NEURNES ARTIFICIELS ET PLUS PARTICULIEREMENT A LA PREDICTION DES SERIES TEMPORELLES IONOSPHERIQUES (QUI SONT RELIEES A LA SERIE DES TACHES SOLAIRES). LES INDICES IONOSPHERIQUES SONT UTILISES PAR LE CNET POUR ETABLIR DES PREVISIONS DE PROPAGATION IONOSPHERIQUES. LES MODELES NEURONAUX QUE NOUS PROPOSONS SONT TOUS BASES SUR LES RESEAUX DE NEURONES A COUCHES ENTRAINES PAR UN MECANISME D'APPRENTISSAGE SUPERVISE: LA RETROPROPAGATION DU GRADIENT DE L'ERREUR. NOUS CHERCHONS A AMELIORER LA PREVISION OBTENUE PAR UN PERCEPTRON MULTICOUCHES SIMPLE A UNE COUCHE CACHEE. NOUS AVONS MONTRE QU'IL FAUT EXPLOITER PLUSIEURS SOURCES D'INFORMATIONS A L'ENTREE DU RESEAU MULTICOUCHES (INFORMATIONS PROVENANT D'AUTRES SERIES TEMPORELLES DANS UN CADRE MULTIVARIE OU DES INDICATIONS SUR LA TENDANCE, OBTENUES EN CALCULANT DE NOUVELLES DONNEES). NOUS AVONS EGALEMENT OBTENU DE BONS RESULTATS DE PREVISIONS A PARTIR D'ARCHITECTURES PLUS COMPLEXES: RESEAUX A DELAIS ET RESEAUX PARTIELLEMENT RECURRENTS QUI TIENNENT COMPTE DE LA DIMENSION TEMPORELLE DES DONNEES, MAIS EGALEMENT A PARTIR D'ARCHITECTURES MODULAIRES DANS LESQUELLES NOUS AVONS INTRODUIT UNE INFORMATION DE NATURE TEMPORELLE: CHACUN DES MODULES A UNE FENETRE TEMPORELLE DIFFERENTE EN ENTREE. L'APPROCHE ENVISAGEE EST EXPERIMENTALE, CEPENDANT NOUS CHERCHONS A RESPECTER AU MIEUX LES THEORIES RELIEES AU PROBLEME DE LA PREDICTION AINSI QUE CELLES RELIEES AUX RESEAUX DE NEURONES ARTIFICIELS

Utilisation des réseaux de neurones artificiels dans l'espace canonique pour l'analyse régionale des crues dans des sites non-jaugés

Utilisation des réseaux de neurones artificiels dans l'espace canonique pour l'analyse régionale des crues dans des sites non-jaugés PDF Author: Chang Shu
Publisher:
ISBN:
Category :
Languages : fr
Pages : 39

Get Book Here

Book Description


Prévision de crues rapides par apprentissage statistique

Prévision de crues rapides par apprentissage statistique PDF Author: Thomas Darras
Publisher:
ISBN:
Category :
Languages : fr
Pages : 200

Get Book Here

Book Description
Le pourtour du bassin méditerranéen subit fréquemment des épisodes de pluie diluvienne à l'origine de crues rapides pouvant provoquer de nombreuses victimes et des dégâts considérables. Afin de faire face à ce phénomène, la prévision hydrologiques, permettant au Service Central d'Hydrométéorologie et d'Appui à la Prévision des Inondations de produire des vigilances crues, tient une place centrale. Durant les dernières décennies l'efficacité des réseaux de neurones formels pour la prévision des crues rapides a été montrée sur différents bassins versant. Les travaux menés au cours de cette thèse visent à développer une méthodologie générique de mise en œuvre de réseaux de neurones, testée sur les bassins versants du Gardon d'Anduze et du Lez à Lavalette, dont le comportement hydrodynamique est particulièrement non-linéaire. Afin de limiter l'incertitude des performances en prévision en fonction de l'initialisation du modèle, nous avons, dans un premier temps, proposé un modèle d'ensemble, basé sur la médiane à chaque pas de temps des sorties d'un nombre adéquat de modèles variant uniquement par leur initialisation. D'autre part, sur le bassin du Gardon d'Anduze, afin d'améliorer les performances des réseaux de neurones récurrents par l'introduction d'informations sur l'état du bassin versant avant et pendant l'épisode de crue, différentes variables susceptibles de représenter l'état du système ont été introduites successivement afin de sélectionner celles fournissant les modèles les plus performants. Sur le bassin karstique du Lez, dont la structure est très hétérogène, nous avons appliqué la méthode KnoX permettant d'estimer les contributions au débit à l'exutoire de quatre zones aux comportements hydrologique et hydrogéologique considérés comme homogènes. Ainsi les zones les plus contributives ont été identifiées ; ceci permettra dans un second temps de rechercher les variables les mieux à même de représenter l'humidité dans ces zones. Les performances des modèles développés montrent que la méthodologie générale de conception d'un modèle pluie-débit par réseaux de neurones s'adapte de manière satisfaisante aux deux bassins cibles dont les fonctionnements hydrologiques et hydrogéologiques sont pourtant très différents. Certaines pistes de progrès restent à investiguer parmi lesquelles l'amélioration de l'information d'état est prépondérante.