Toward improving a global rainfall-runoff model through experimental data
Évaluer les quantités d'écoulement en connaissant la quantité de pluie pour prédire les inondations a devenu nécessaire, notamment dans les régions où les données sont rares et pas toujours disponibles. L'étude présente se concentre sur le développement d'un modèle hydrologique nommé HEC-HMS, qui utilise des Modèles Numériques de Terrain. Ce modèle hydrologique a été utilisé moyennant HEC-GeoHMS et les SIG pour identifier les débits du bassin versant du Madjez Ressoul par des processus de simulation de pluie-débit simulés. Les modèles météorologiques ont été développés au sein de HEC-HMS à partir des données journalières de pluie enregistrées pour les années hydrologiques 1973 à 2009. Les spécifications de contrôle ont été définies pour la période spécifiée et à un pas de temps journalier. Les méthodes de perte, de transformation et de calcul de routage utilisées étaient la SCS-CN, l’Unité Hydrologique SCS et la méthode de Muskingum, respectivement. Les résultats ont montré que les hydrogrammes observés et simulés étaient fortement corrélés. La performance du modèle a été évaluée en utilisant de nombreux critères de performance pour la calibration et la vérification. Les résultats ont indiqué que le modèle est approprié pour les simulations hydrologiques dans le bassin versant du Madjez Ressoul. Mots clés : Modélisation pluie-débit, bassin versant de Madjez Ressoul, Prédiction des inondations.
Analyse des données d'infiltration par les techniques de l'intelligence artificielle
Plusieurs methodes de l'intelligence artificielle ont été utilisé pour analyser des données expérimentales du taux d'infiltration et de l'infiltration cumulative, ces techniques sont des techniques du machine learning et du deep learning à savoir: des techniques de regression linéaire et non linéaire, la technique des réseaux de neurones convolutifs et la technique des algorithmes génétiques qui a été utilisée pour optimiser les techniques précédentes, 5 critères de validation ont montré la robustesse des methodes de l'intelligence artificielle dans le traitement de données et par conséquent la fiabilité des données récoltées