Génération stochastique de séries temporelles de pluie pour l'évaluation des risques.

Chapon, Antoine ORCID: https://orcid.org/0000-0003-4598-8609 (2025). Génération stochastique de séries temporelles de pluie pour l'évaluation des risques. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en sciences de l'eau, 150 p.

Prévisualisation

PDF - Version publiée Télécharger (5MB) | Prévisualisation

Résumé

Les pluies extrêmes sont la cause principale des inondations. Il est donc nécessaire de modéliser ce phénomène afin d’en estimer le risque. Comme il s’agit d’évènements rare, cette modélisation passe par des méthodes statistiques, avec notamment la théorie des valeurs extrêmes. Les méthodes et classes de modèles appliqués aux pluies extrêmes sont nombreuses. Cette thèse s’intéresse aux générateurs stochastiques temporelles, qui permettent de reproduire les patrons statistiques d’une chronique de pluie observée dans des simulations. Toutes les valeurs de pluies sont considérées par ces modèles, allant des valeurs nulles sans pluie aux valeurs extrêmes. Ces modèles doivent notamment capturer le comportement asymptotique des valeurs les plus rares, afin d’être adapté à l’estimation du risque. Deux générateurs stochastiques de séries temporelles de pluie sont développés. Leur point commun est l’utilisation d’une distribution Pareto généralisée étendue (EGP) modélisant toutes les valeurs non-nulles de pluie. Cette distribution est conditionnée aux valeurs passées afin de reproduire la dépendance temporelle des valeurs non-nulles. Unélément séparé de la distribution EGP modélise l’intermittence des valeurs nulles et non-nulles de pluie. Le premier générateur stochastique est paramétrique, avec une EGP définie par distributions tronquées et une copule temporelle pour la dépendance aux valeurs passées. Ce premier générateur stochastique est appliqué à une série chronologique de pluie horaire. Un second modèle utilise l’apprentissage profond, avec une distribution construite par réseau de neurones afin de définir une EGP conditionnelle aux valeurs passées. Ce second modèle est appliqué à des données de pluie journalière. Ces deux modèles reproduisent dans des simulations la plupart des patrons statistiques important pour l’estimation du risque. Ces patrons sont la distribution marginale, la dépendance temporelle, l’intermittence, la variabilité annuelle et le comportement asymptotique des valeurs hautes. Un troisième modèle Bayésien concerne l’imputation de valeurs manquantes dans une série temporelle, via une approche de régionalisation, pour des données au pas de temps irrégulier correspondant au principal cycle de marée (environ 12 heures). Les développements de ce modèle sont partiellement réutilisés dans le générateur stochastique paramétrique.

Type de document:	Thèse Thèse
Directeur de mémoire/thèse:	Ouarda, Taha B. M. J.
Mots-clés libres:	pluie; générateur stochastique; séries temporelles; valeurs extrêmes
Centre:	Centre Eau Terre Environnement
Date de dépôt:	19 juin 2026 14:48
Dernière modification:	19 juin 2026 14:48
URI:	https://espace.inrs.ca/id/eprint/17113

Gestion Actions (Identification requise)

Modifier la notice