Apport des Réseaux de Neurones Artificiels dans la prévision du risque de crue karstique sur le site CEA de Cadarache

Artificial Neural Networks contribution to karst flood forecasting on the CEA Cadarache site

• Auteur / Autrice : Manon Erguy
• Direction : Anne Johannet, Séverin Pistre
• Type : Projet de thèse
• Discipline(s) : STE-Sciences de l'Eau
• Date : Inscription en doctorat le 02/11/2021
• Etablissement(s) : IMT Mines Alès
• Ecole(s) doctorale(s) : Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau
• Partenaire(s) de recherche : Laboratoire : HydroSciences (Montpellier)
• Partenaire(s) de recherche : Equipe de recherche : Eau, Ressources, Territoires

Mots clés

Mots clés libres

Réseau de neurones

Crue de nappe

Karst

Hydrodynamique

Prévision

Artificial Neural Networks

Groundwater flood

Karst

Hydrodynamic

Forecast

Résumé

Le sujet de thèse proposé s'inscrit dans le cadre de la prévision du risque d'inondation par remontée de nappe. Ce type de phénomène constitue un risque d'origine externe qui doit être pris en considération dans le cadre du dimensionnement des INB et qui est révisé lors de chaque réexamen de sûreté (en réponse au guide ASN n°13). Par ailleurs, il s'agit d'un phénomène qui s'est déjà produit plusieurs fois sur le site du CEA de Cadarache, entraînant des infiltrations d'eau et l'arrêt temporaire de certaines installations. L'évaluation et l'anticipation de ce type de phénomène constitue donc un enjeu important pour le CEA. L'objectif principal de la thèse est d'élaborer un modèle par réseau de neurones artificiels (RNA) visant à prévoir les niveaux piézométriques d'une nappe phréatique à partir des données disponibles (données météorologiques et niveaux de nappe), la démarche étant de challenger les prévisions actuellement obtenues à partir d'un modèle semi-physique (MECK), et d'évaluer les performances des RNA dans le cadre de l'utilisation de l'outil « PERISCOP » (Plateforme d'évaluation du risque de crue et de surveillance opérationnelle).

The topic of the proposed PhD addresses groundwater rise flooding forecasting. Such phenomena represents an external risk that has to be taken into account in the frame of the INB design and during each safety check (as described by the ASN n°13 guide). Several events of this nature occurred in the Cadarache CEA site, leading to water ingresses and to temporary stoppage of some of the facilities. Assessing and anticipating this risk is thus a major stake for the CEA. The main purpose of the thesis is to develop an artificial neural network (ANN) model aiming at forecasting piezometric levels of a groundwater table using available data (groundwater levels and meteorological data). The ANN model will challenge the forecasts obtained using an existing semi-physical model (MECK) in the frame of the use of the “PERISCOP” tool (operational monitoring and flood risk assessment platform).