Le 25 février 2013 à 14h,  Audrey Bornancin-Plantier soutiendra sa thèse à l’Ecole des Mines d’Alès :

Thèse de doctorat de l’université Pierre et Marie Curie

Spécialité : Informatique

École Doctorale Informatique, Télécommunications et Électronique (Paris)

Présentée par :

Audrey Bornancin Plantier

Pour obtenir le grade de :

Docteur de l’universitÉ Pierre et Marie Curie

Conception de modèles de prévision des crues éclair par apprentissage artificiel

Directeurs de thèse : Madame Anne Johannet et Monsieur Gérard Dreyfus

Encadrement : Monsieur Pierre Roussel

Soutenue le 25 février 2013

Devant le jury composé de :

Monsieur Denis Dartus, rapporteur

Monsieur Claude Touzet, rapporteur

Madame Caroline Wittwer, examinatrice

Monsieur Pierre Ribstein, examinateur

Monsieur Georges-Marie Saulnier, examinateur

Madame Anne Johannet, co-directrice de thèse

Monsieur Gérard Dreyfus, co-directeur de thèse

Monsieur Pierre Roussel, encadrant

Résumé

Le Sud de la France subit régulièrement des inondations dévastatrices et meurtrières résultant d’épisodes pluvieux très intenses et localisés. La prévision de ces événements rapides et complexes est très difficile.

Créé dans ce contexte, le projet FLASH (Flood forecasting with machine Learning, data Assimilation and Semi-pHysical modeling) regroupe plusieurs laboratoires partenaires qui ont pour objectif de fournir au SCHAPI (Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations) des modèles de prévision des crues afin d’alimenter la carte de vigilance des crues disponible sur internet.

La zone d’étude principale est le Gardon d’Anduze. Des modèles à réseaux de neurones avec deux types d’architecture sont réalisés pour prévoir la hauteur du cours d’eau à partir des pluies et des hauteurs passées. La sélection du nombre de neurones cachés, du nombre de variables, de certains paramètres de l’algorithme d’apprentissage, ainsi que l’initialisation des paramètres des réseaux, déterminante pour l’estimation des performances des modèles, est effectuée par validation croisée. Les prévisions obtenues en test permettent une anticipation utile jusqu’à un horizon de prévision de 2h voire 3h suivant l’événement en test. La mise en œuvre d’un apprentissage adaptatif est décevante.

L’utilisation de hauteurs de pluies issues des mesures radar, plutôt que celles provenant des pluviomètres, a conduit à des premiers résultats équivalents.

Enfin, la méthodologie établie a été appliquée à la conception de modèles pour la prévision des crues sur le Gardon à Remoulins, bassin versant qui inclut celui précédemment étudié ; ces modèles donnent des résultats satisfaisants pour un horizon de prévision de 7h voire 9h.

Mots-clés : Crue éclair, apprentissage artificiel, réseaux de neurones, modélisation, prévision, Gardon, sélection, généralisation