Etude des incertitudes des modèles neuronaux sur la prévision hydrogéologique. Application à des bassins versants de typologies différentes. – Thèse de Nicolas Akil (IMT Mines Alès, Aquasys, ANRT)
Contexte : changement climatique et enjeux de la modélisation hydrologique
Face à l’intensification des crues et sécheresses en France sous l’effet du changement climatique, la modélisation hydrologique devient un levier stratégique pour optimiser la gestion de la ressource en eau.
Objectif : dépasser les limites des modèles classiques
Aujourd’hui, les modèles classiques, bien que performants, restent complexes, longs et coûteux à calibrer, notamment pour les nappes souterraines, où les données sont difficiles à obtenir.
Une approche innovante basée sur les réseaux neuronaux
Pour répondre à ces limites, une thèse codirigée par IMT Mines Alès, en collaboration avec les financeurs Aquasys et l’ANRT, et écrite par Nicolas AKIL, ingénieur d’études Eau et Environnement chez Aquasys, propose une nouvelle approche basée sur les réseaux neuronaux. Ces modèles « boîte noire » permettent de modéliser les flux hydrologiques à partir des seules données disponibles (pluie et débits/hauteurs), réduisant ainsi les besoins en mesures de terrain.
Trois axes structurants de recherche
– Généralisation d’une méthode de conception de modèle adaptée à différentes variables (débits/hauteur des eaux de surface) et à des bassins de types très différents : bassins versants ou bassins hydrogéologiques (hauteur des eaux souterraines).
– Évaluation des incertitudes liées à ces modèles, en particulier pour l’impact de l’initialisation des paramètres du modèle à réseaux de neurones, que celle de l’hétérogénéité des pluies de recharge.
– Maîtrise de ces incertitudes.
Validation par deux cas d’usage concrets
Deux cas d’usage – les nappes du Blavet (Bretagne) et de la Craie (Champagne) – ont permis de valider la robustesse de la méthode de conception de modèles.
Des résultats prometteurs pour une gestion de l’eau plus résiliente
Les résultats qui découlent de ces travaux sont une méthodologie innovante, robuste et opérationnalisable, capable de fournir des prévisions hydrologiques fiables et assorties d’un indice de confiance, pour appuyer la prise de décision même en conditions incertaines.
Vous pouvez retrouver la thèse ici : https://theses.fr/2021EMAL0005
