Thèse soutenue

Prévision des crues éclair par réseaux de neurones : généralisation aux bassins non jaugés
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Guillaume Artigue
Direction : Séverin PistreAnne Johannet
Type : Thèse de doctorat
Discipline(s) : Eaux Continentales et Société
Date : Soutenance le 03/12/2012
Etablissement(s) : Montpellier 2
Ecole(s) doctorale(s) : Systèmes Intégrés en Biologie, Agronomie, Géosciences, Hydrosciences, Environnement (Montpellier ; École Doctorale ; 2009-2015)
Partenaire(s) de recherche : Laboratoire : HydroSciences (Montpellier)
Jury : Examinateurs / Examinatrices : Séverin Pistre, Anne Johannet, Françoise Prêteux, Vazken Andréassian, Marie-George Tournoud, Caroline Wittwer
Rapporteurs / Rapporteuses : Françoise Prêteux, Vazken Andréassian

Résumé

FR  |  
EN

Dans les régions méditerranéennes françaises, des épisodes pluvieux diluviens se produisent régulièrement et provoquent des crues très rapides et volumineuses que l'on appelle crues éclair. Elles font fréquemment de nombreuses victimes et peuvent, sur un seul évènement, coûter plus d'un milliard d'euros. Face à cette problématique, les pouvoirs publics mettent en place des parades parmi lesquelles la prévision hydrologique tient une place essentielle.C'est dans ce contexte que le projet BVNE (Bassin Versant Numérique Expérimental) a été initié par le SCHAPI (Service Central d'Hydrométéorologie et d'Appui à la Prévision des Inondations) dans le but d'améliorer la prévision des crues rapides. Ces travaux s'inscrivent dans le cadre de ce projet et ont trois objectifs principaux : réaliser des prévisions sur des bassins capables de ces réactions qu'ils soient correctement jaugés, mal jaugés ou non jaugés.La zone d'étude choisie, le massif des Cévennes, concentre la majorité de ces épisodes hydrométéorologiques intenses en France. Ce mémoire la présente en détails, mettant en avant ses caractéristiques les plus influentes sur l'hydrologie de surface. Au regard de la complexité de la relation entre pluie et débit dans les bassins concernés et de la difficulté éprouvée par les modèles à base physique à fournir des informations précises en mode prédictif sans prévision de pluie, l'utilisation de l'apprentissage statistique par réseaux de neurones s'est imposée dans la recherche d'une solution opérationnelle.C'est ainsi que des modèles à réseaux de neurones ont été synthétisés et appliqués à un bassin de la zone cévenole, dans des contextes bien et mal jaugés. Les bons résultats obtenus ont été le point de départ de la généralisation à 15 bassins de la zone d'étude. A cette fin, une méthode de généralisation est développée à partir du modèle élaboré sur le bassin jaugé et de corrections estimées en fonction des caractéristiques physiques des bassins. Les résultats de l'application de cette méthode sont de bonne qualité et ouvrent la porte à de nombreux axes de recherche pour l'avenir, tout en démontrant encore que l'utilisation de l'apprentissage statistique pour l'hydrologie peut constituer une solution pertinente.