Modélisation de l’évapotranspiration de référence et du déficit hydrique par les réseaux de neurones artificiels à différent pas de temps.

Abstract

L’objectif principal de ce travail consiste à concevoir et à appliquer des modèles basés sur la technique de Réseaux de Neurones Artificiels pour évaluer certains paramètres hydrologiques afin d’améliorer la gestion des ressources en eau en agriculture. Le potentiel des réseaux de neurones de type Perceptron multicouches est étudié pour modéliser l'évapotranspiration de référence (ET0) obtenue par application de l'équation de Penman-Monteith modifiée par la FAO56. Différentes combinaisons de données climatiques (journalières, décadaires et mensuelles) ; telles que la durée d’insolation, température de l'air, humidité relative et vitesse du vent, sont utilisées en entrée des réseaux de neurones artificiels afin de déterminer la meilleure combinaison tout en choisissant la meilleure structure neuronale (nombre de neurones cachées). Nous avons également étudié le potentiel des réseaux de neurones artificiels pour modéliser le déficit hydrique d’alimentation à différents pas de temps.