Prévision des crues par intelligence artificielle : augmentation de l'horizon de prévision
Auteur / Autrice : | Sarah Gautier |
Direction : | Anne Johannet, Yves Tramblay |
Type : | Projet de thèse |
Discipline(s) : | STE-Sciences de l'Eau |
Date : | Inscription en doctorat le 01/04/2023 |
Etablissement(s) : | IMT Mines Alès |
Ecole(s) doctorale(s) : | Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau |
Partenaire(s) de recherche : | Laboratoire : HydroSciences (Montpellier) |
Equipe de recherche : Eau, Ressources, Territoires |
Mots clés
Mots clés libres
Résumé
Les modèles d'intelligence artificielle, tels que les réseaux de neurones sont utilisés dans la prévision des crues. En effet, une fois paramétrés, leur rapidité d'analyse et de calcul les rend opérationnels sur différents type de bassins. Ces modèles ont la capacité de produire des prévisions hydrologiques (débits ou hauteurs d'eau) sans prévision de leurs entrées (en général, les précipitations), sur un horizon de prévision proche du temps de réponse de l'hydrosystème. Cependant, ce dernier est en général assez limité (parfois moins de deux heures pour les crues rapides), ce qui ne permet pas nécessairement de proposer un horizon de prévision suffisant pour les opérations de gestion de crise associées à ces crues. Les prévisions quantitatives de précipitations sont en général fournies par les modèles météorologiques. Elles manquent souvent de précision sur les événements convectifs extrêmes mais apportent beaucoup pour la distribution spatiale des pluies futures parce que parfois, leurs biais sont systématiques. Néanmoins, les utiliser « brutes » pour la modélisation hydrologique reste difficile. Pour les réseaux de neurones en particulier, cela implique des changements dans l'architecture postulée et dans la gestion des transitions entre valeurs observées et valeurs prévues. Ainsi, dans le cadre de cette thèse, les réseaux de neurones et les modèles profonds, utilisés habituellement dans la prédiction, seront couplés à une analyse des conditions météorologiques selon une modélisation innovante, d'abord sur le territoire cévenol, puis sur d'autres bassins. Ainsi, dans le cadre de la thèse, les réseaux de neurones et les modèles profonds, utilisés habituellement dans la prédiction, seront couplés à une analyse des conditions météorologiques selon une modélisation innovante, d'abord sur le territoire cévenol, puis sur d'autres bassins.