Thème : Modélisation pluie-débit par l’approche des réseaux de neurones artificiels: « cas du bassin de Oued Allala »

Abstract

Les réseaux de neurones artificiels sont des modèles d’apprentissage statistique qui ont été largement utilisés en hydrologie de surface, grâce à leurs propriétés de parcimonie et d’approximation universelle. Ce travail de recherche permettra de vérifier l’efficacité des réseaux de neurones formels pour la modélisation des débits liquides du bassin de oued Allala au pas de temps mensuel à partir de la relation pluie-débit qui est non-linéaire. Deux modèles de réseaux de neurones ont été optimisés et comparés afin d’atteindre cet objectif, le premier modèle avec la pluie en entrée et le second avec la pluie et l’ETP en entrée. Les modèles neuronaux ont été optimisés avec l’algorithme de Levenberg Marquarld (LM). Le critère de Nash (%) et le coefficient de corrélation de Pearson (R) ont permis d’apprécier les performances de ces modèles.