Note ABES Prévision des crues par modèle de réseau de neurones artificiels : application au bassin versant de l’Eure Flood forecasting by artificial neural networks model : application to the watershed of Eure Bassins-versants Crues 711.8 Inondations -- Prévision Réseaux neuronaux (informatique) Modèles stochastiques d'apprentissage Cours d'eau -- Débit Hydrologie Méthodes statistiques Bassins hydrographiques Eure (France ; cours d'eau) Évaluation du risque environnemental La croissance des populations riveraines engendre un accroissement de la vulnérabilité de nos sociétés aux inondations donc une forte demande sociale pour prévenir et prévoir ces catastrophes naturelles. Pour atteindre cet objectif, la disposition d’outils de prévision des crues, opérationnels et fiables, est primordiale. Mais la prévision des crues demeure un exercice loin d’être évident. D’une part, parce que les exigences en matière de prévision (précision et délai d’anticipation) sont de plus en plus fortes et d’autre part, parce que les outils physiques de prévisions des crues sont limités par les connaissances relatives de l’hydro-système. Dans ce contexte, ce mémoire présente les travaux effectués pour réaliser des modèles de prévisions des crues pluie-débit, à base de réseaux de neurones artificiels (RNA), dans les bassins versants de l’Eure, de l’Iton et de l’Avre jusqu’à un horizon de prévision de 48h. D’abord, une analyse de la complexité géographique des bassins sera menée afin de déterminer les différents éléments influençant leurs régimes hydrologiques. Ensuite, une démarche méthodologique d’analyse statistique des données a permis une synthèse sur la nature hydrologique des bassins étudiés et d’apporter les éléments nécessaires à la définition des relations non-linéaires pluie-débit. Cet apport a permis la création d’un modèle pluie-débit non-linéaire de prévision des crues. Un modèle RNA capable d’effectuer des prévisions des crues jusqu’au 48h d’anticipation. Ce processus a été testé sur les trois bassins versants et les résultats des tests montrent une production de prévisions fiables ainsi qu’une capacité de généralisation à d’autres hydro-systèmes. The growth of riparian populations generates an increase in vulnerability of our societies to flood. Therefore, a high social demand to prevent and predict these natural disasters must be tacking to protect the population against floods. To achieve this objective, the provision of flood forecasting tools, operational and reliable, is primordial. But the flood forecasting still an exercise far from being evident. Firstly, because the forecast requirements (precision and time anticipation) are becoming more and more higher. And secondly, because the physical flood forecasting tools is limited by the relative knowledge of floods hydro-systems. In this context, this thesis presents the work done to produce rainfall-runoff flood forecasting models based on artificial neural networks (ANN) in the Eure watershed (and two sub-basins) up to a 48 hours horizon forecasting. Firstly, an analysis of the geographical complexity of studied basins will be conducted in order to determine the different factors that influencing the hydrological Eure watershed regime. Then, a methodological process to data statistical analysis, has allowed a synthesis on the hydrological nature of the watersheds studied and brings the elements needed to the definition of the non-linear relations rainfall-runoff. This contribution has allowed the creation of a rainfall-runoff nonlinear model for flood forecasting. ANN model able to perform a reliable forecasting of flood up to a 48 hours horizon forecasting. This process has been tested on three watersheds and the test results show a reliable forecasts as well as an ability of generalization to other hydro-systems. Electronic Thesis or Dissertation Text fr PDF 13345961 application/pdf https://pepite-depot.univ-lille.fr/LIBRE/EDSESAM/2013/50376-2013-Kharroubi.pdf https://theses.fr/2013LIL10034/abes Kharroubi Ouissem Kharroubi 1984-08-24 TN 174994494 https://theses.fr/2013LIL10034 2013LIL10034 https://doi.org/10.70675/da823480za6ecz4296zbc2ez54d54b553c14 2013-06-28 Aménagement et urbanisme Lille 1 026404184 Doctorat Docteur es non oui Blanpain Olivier MADS_DIRECTEUR_DE_THESE_1 060144882 Masson Eric MADS_DIRECTEUR_DE_THESE_2 07026791X École doctorale Sciences économiques, sociales, de l'aménagement et du management (Lille ; 1992-....) MADS_ECOLE_DOCTORALE_1 14893823X Territoires, Villes, Environnement & Société (TVES ; 2006-) MADS_PARTENAIRE_DE_RECHERCHE_1 161572928 ddc:710 Blanpain Olivier Masson Eric École doctorale Sciences économiques, sociales, de l'aménagement et du management (Villeneuve d'Ascq) Territoires, villes, environnement et Société PDF 13345961