Modélisation hydrologique à l'aide de l'intelligence artificielle

Hydrological modelling using artificial intelligence

• Auteur / Autrice : Antoine Degenne
• Direction : Vazken Andréassian
• Type : Projet de thèse
• Discipline(s) : Hydrologie
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Géosciences, ressources naturelles et environnement (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Hydrosystèmes continentaux anthropisés - ressources, risques, restauration (Antony, Haut-de-Seine ; 2018-....)
• Partenaire(s) de recherche : Equipe de recherche : UR HYCAR - Equipe HYDRO

Mots clés

Mots clés libres

Prévision hydrologique

Bassins non-jaugés

Modélisation pluie-débit

Hydrological prediction

Ungaged basins

Rainfall-runoff modelling

Résumé

Votre thèse s'inscrira dans le cadre du projet DRHYM (« Data-driven hybrid hydrological models », financé par l'Agence nationale de la recherche et piloté par l'Unité de recherche HYCAR), qui vise à revisiter l'approche de développement des modèles hydrologiques conceptuels de l'UR HYCAR (modèles GR) à l'ère de l'apprentissage automatique. Si les modèles GR sont aujourd'hui utilisés avec succès pour de nombreuses applications comme la prévision des crues et des étiages ou l'estimation des impacts du changement climatique sur les ressources en eau, ils n'en restent pas moins perfectibles. La thèse aura pour objectif d'explorer les nouvelles pistes d'améliorations offertes par l'émergence de techniques avancées issues de l'intelligence artificielle et la disponibilité de nouvelles sources d'informations pour caractériser le fonctionnement des bassins versants. Vous serez plus particulièrement en charge de : - La mise en place d'un cadre méthodologique permettant le développement d'une modélisation hydride : constitution d'une base de données, sélection de critères de performance et définition de protocoles d'évaluation sur de grands échantillons de bassins versants ; - L'exploration de différentes pistes d'amélioration des modèles hydrologiques, en introduisant de la flexibilité dans les structures actuellement utilisées pour représenter les principales fonctions de la transformation pluie-débit, tout en s'appuyant sur des méthodes régionales d'estimation des paramètres qui pourront exploiter de nouvelles sources d'information, complémentaires aux chroniques de débits. - L'analyse de la cohérence temporelle et spatiale des flux simulés par les modèles développés, de manière à garantir l'interprétabilité du fonctionnement de ces modèles. Vos résultats de thèse donneront lieu à une valorisation par des articles scientifiques et des présentations dans des conférences internationales. Vous les synthétiserez dans un manuscrit qui donnera lieu à une soutenance.

Your thesis will be part of the DRHYM project ('Data-driven hybrid hydrological models', funded by the French National Research Agency and led by the HYCAR Research Unit), which aims to revisit the development approach of our own conceptual hydrological models (GR models) in the era of machine learning. Although GR models are now successfully used for a wide range of applications, such as flood and low-water forecasting, or estimating the impact of climate change on water resources, there is still room for improvement. The aim of this thesis is to explore the new avenues for improvement offered by the emergence of advanced techniques based on artificial intelligence and the availability of new sources of information for characterizing the functioning of watersheds. More specifically, you will be responsible for - Setting up a methodological framework for the development of hydride modeling: building a database, selecting performance criteria and defining evaluation protocols on large samples of watersheds; - The exploration of various ways of improving hydrological models, by introducing flexibility into the structures currently used to represent the main functions of the rainfall-flow transformation, while relying on regional parameter estimation methods that can exploit new sources of information, complementary to flow records. - Analysis of the temporal and spatial consistency of the flows simulated by the models developed, so as to guarantee the interpretability of the models' operation. Your thesis results will be published in scientific articles and presented at international conferences. You will synthesize them in a manuscript that will be defended.