MODELISATION PLUIE-DEBIT JOURNALIER PAR UN MODELE CONCEPTUEL LE GR4J ET LES RESEAUX DE NEURONES EN ZONE SEMI-ARIDE«CAS DU BASSIN DE OUED OUAHRANE»

Abstract

Ce travail de recherche permettra de vérifier l’efficacité des réseaux de neurones formels et du modèle GR4j pour la modélisation des débits journaliers du bassin d’oued Ouahrane à partir de la relation pluie-débit qui est nonlinéaire. Deux modèles de réseaux de neurones ont été optimisés avec l’apprentissage supervisé 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. Ces modèles neuronaux ont été comparés avec un autre modèle global, le modèle GR4j. Ensuite, il a été optimisé et comparé avec les trois premier modèles, un troisième modèle de réseaux de neurone avec la pluie, l’ETP et l’humidité du sol (calculé par le modèle GR4j) en entrée, dans ce travail, sur le bassin de oued Ouahrane. Les modèles neuronaux ont été optimisés avec l’algorithme de Levenberg Marquarld (LM), tandis que le modèle GR4j a été optimisé avec la méthode SCEUA. Le critère de Nash (%) et le coefficient de corrélation de Pearson (R) ont permis d’apprécier les performances de ces modèles.