Résumé:
Ce travail de recherche porte pour l’essentiel sur trois approches distinctes de modèles
pluie-débit testés sur les bassins versants du Nord algérien, à deux échelles mensuelle et
journalière.
La première approche proposée est une application de quatre modèles conceptuels à
réservoirs à deux échelles temporelles. Les modèles testés, nous ont permis d’effectuer une étude analytique sur l’utilisation de ce type de modèles. Nous avons ainsi souligné la simplicité et la parcimonie des modèles conceptuels, ayant remarqué la supériorité des modèles GR, aux deux pas de temps, nous avons dégagé deux principales conclusions : la baisse de niveau de simulation en phase de vérification, en particulier au pas de temps mensuel, ainsi que la difficulté de reconstitution des débits caractéristiques de la série historique.
La seconde approche de modèles utilisée est basée sur les réseaux de neurones artificiels.
Ces modèles qui s’inspirent du cerveau humain, très utilisés en hydrologie, permettent
d’introduire un nouveau concept de simulation basé sur l’apprentissage de données. Dotés d’algorithmes d’optimisation non-linéaires, ils prennent l’avantage de simuler de façon correcte et parcimonieuse la relation pluie-débit mensuelle. Au pas de temps journalier, leur application s’avère délicate et cela, vu la complexité de la relation pluie-débit à cette échelle.
La troisième méthode de simulation proposée dans cette thèse, se base sur l’utilisation d’une logique appelée floue. En s’appuyant sur la syntaxe de type Si… Alors, ce thème nous a permis de discuter plus en détails des modalités de mise en oeuvre de cette nouvelle génération de modèles. Nous présentons ensuite, une analyse quasiment exhaustive de certaines parties du modèle, ses avantages et ses inconvénients.
L’optimisation de la relation pluie-débit a été notre objectif principal. Ainsi, après une
analyse comparative, nous avons pu introduire une nouvelle base de simulation à travers une combinaison de modèles. Les sorties simulées d’un modèles conceptuel, telles que l’humidité du sol et les débits, ont été introduites comme entrées aux modèles neuronaux et flous.
Nous avons ainsi amélioré de façon remarquable la qualité de simulation, que ce soit au pas de temps journalier, ou mensuel.
Cette approche offre ainsi des pistes nouvelles et innovantes dans le domaine de la
modélisation hydrologique et de son application à des problèmes spécifiques de gestion des eaux.
