Dépôt numérique
RECHERCHER

Application du modèle «Random Forest Regression» dans l'analyse fréquentielle régionale des évènements hydrologiques extrêmes.

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Desai, Shitanshu (2019). Application du modèle «Random Forest Regression» dans l'analyse fréquentielle régionale des évènements hydrologiques extrêmes. Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maîtrise en sciences de l'eau, 46 p.

[img] PDF
Document sous embargo jusqu'à 22 Janvier 2021.

Télécharger (763kB)

Résumé

Les inondations provoquent des dégâts importants sur les plans environnemental, économique et social. Il faudrait alors estimer adéquatement la fréquence des événements hydrologiques extrêmes pour une meilleure planification et gestion des ressources en eau ce qui assure la sécurité publique. L'analyse de fréquence des variables hydrologiques est une approche couramment utilisée lorsque l’information hydrologique est disponible au site d’intérêt. Cependant, il est souvent nécessaire d'estimer les événements extrêmes sur des sites dits non jaugés où aucune observation hydrologique n'est disponible. Au niveau de ces sites, l’analyse Fréquentielle Régionale (AFR) peut être utilisée pour estimer leurs caractéristiques des inondations. AFR comprend deux étapes principales. La première consiste à délimiter les régions hydrologiquement homogènes. Dans cette étude, nous utilisons l'analyse canonique des corrélations (ACC) pour la délimitation de ces régions. La deuxième étape consiste à appliquer un modèle d'estimation régional pour chaque région délimitée. Traditionnellement, les modelés linéaires ont été utilisés dans l’AFR mais ils ne peuvent pas établir les relations complexes entre les variables. Ainsi, un certain nombre de techniques non linéaires ont été proposées dans la littérature comme les réseaux des neurones, les modèles additifs généralisés, etc. Cependant, « Random Forest (RF) », où «Forêts Aléatoires» en français, présente une technique générale et puissante, qui n’est pas utilisée souvent. La « Random Forest Regression (RFR) V », où «Forêts Aléatoires de régession» en français, est une technique d'apprentissage d'ensemble non linéaire , non paramétrique et capable d'établir des relations complexes ainsi que donner des estimations plus fiables. L'objectif de la présente étude est d'introduire la technique RF dans l'estimation régionale des quantiles de crue. La RFR sert à établir des relations non linéaires entre les caractéristiques physio-météorologiques du bassin versant et les caractéristiques du débit, et à estimer les caractéristiques des crues dans les sites non jaugés. La RFR est également appliquée aux régions hydrologiquement homogènes, obtenues à l’aide de l'ACC (ACC-RFR), pour l'estimation de leurs quantiles de crue. Suite à une étude de cas à la province de Québec (Canada), une analyse comparative entre plusieurs approches d’estimation des quantiles de crue est effectuée. Les résultats indiquent que l’ACC-RFR donne les meilleurs résultats d’estimation parmi les modèles testés en termes d'erreur quadratique moyenne. L'utilisation de l’ACC, pour délimiter les zones hydrologiquement homogènes, améliore considérablement la performance de RFR.

Type de document: Thèse Mémoire
Directeur de mémoire/thèse: Ouarda, Taha B. M. J.
Mots-clés libres: statistiques hydrologiques
Centre: Centre Eau Terre Environnement
Date de dépôt: 09 avr. 2019 21:15
Dernière modification: 09 avr. 2019 21:15
URI: http://espace.inrs.ca/id/eprint/7984

Actions (Identification requise)

Modifier la notice Modifier la notice