Le projet

La prévision des crues en temps réel constitue un problème complexe dont les implications économiques et sociétales sont de la plus grande importance. Sa complexité résulte du couplage entre les modèles atmosphériques, les modèles hydrologiques et les modèles hydro-géologiques ; de plus les données enregistrées ne sont pas toujours fiables, ce qui ajoute une dimension supplémentaire à la complexité du problème. Les efforts réalisés en vue de recueillir des données plus précises, d’améliorer les modèles et de mettre en oeuvre des ordinateurs de plus en plus puissants, constituent une approche intéressante, mais qui a des limites. Le présent projet propose une alternative nouvelle, complémentaire de la précédente : elle consiste à tirer le meilleur parti des données expérimentales enregistrées en construisant des modèles obtenus par apprentissage artificiel. De plus, le projet propose de bénéficier également des connaissances physiques existantes, concernant les processus étudiés, par la conception de modèles « semi-physiques », qui combinent la souplesse des modèles obtenus par apprentissage statistique et la lisibilité des modèles physiques. Enfin, le projet propose d’intégrer dans ce cadre la technique d’assimilation de données, très utilisée en météorologie mais encore rarement mise en oeuvre en hydrologie. L’application de ces méthodes nouvelles aboutira au développement de nouveaux outils opérationnels de vigilance et de prévision en cas de crue, fondés sur la mise en oeuvre conjointe de modèles physiques et de modèles conçus par apprentissage statistique. Les sites d’étude et de déploiement sont les bassins versants du Gardon à Remoulins et ses exutoires amonts : ce site est connu pour ses « gardonnades » dévastatrices ; ceux de la Cèze et de l’Ardèche, également connues pour leurs crues éclair, ainsi que le bassin versant de la Somme, réputé pour ses crues de nappes, seront également étudiés pour valider les modèles proposés. La méthodologie développée étant générique, elle pourra être appliquée à des bassins versant versants très différents, permettant ainsi d’évaluer les conséquences des changements d’échelles tant spatiale que temporelle.

Deux axes d’étude seront principalement étudiés :

• La chaîne hydrométéorologique d’alerte aux crues sera revisitée dans le cadre d’une approche systémique pour la considérer comme un système complexe, non linéaire et non stationnaire, opérant sur des données de natures différentes. Les modèles obtenus par apprentissage statistique peuvent venir compléter les modèles physiques ; ils seront utilisés (i) pour compléter en méthodologie la chaîne de prévision, afin de relier en un seul formalisme les grandeurs mesurées d’entrée et de sortie, (ii) pour proposer des techniques d’assimilation variationnelle, alternatives au modèle hydrologique à base physique et (iii) aider à l’identification de certaines lois phénoménologiques postulées dans le modèle à base physique, à partir d’une décomposition en « boîtes grises » (modèle semi-physique).

• Les apports de l’apprentissage statistique à l’assimilation de données pour la prévision du comportement des systèmes hydrologiques seront étudiés. Les avancées scientifiques obtenues se situeront tant au niveau de l’apprentissage statistique, par la définition de nouvelles méthodes (machines à vecteurs supports dynamiques), que pour la compréhension des phénomènes physiques (boîtes grises) ou pour l’intégration de l’assimilation de donnée au formalisme des méthodes d’apprentissage statistique. Le projet aboutira à la spécification fonctionnelle et à la définition des tests et de la recette d’une plate-forme de simulation qui pourra être développée ultérieurement par le SCHAPI (Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations), partenaire du projet, pour alimenter les prévisions VIGICRUE accessibles sur Internet.

Le projet sera réalisé par un consortium pluridisciplinaire de quatre institutions de recherches partenaires :

• ARMINES/Ecole des Mines d’Alès

EDYTEM (UMR 5204)

ESPCI – ParisTech/ Laboratoire d’Electronique (UMR 7084)

SCHAPI (MEEDADT)

Laisser un commentaire