Conception de modèles de prévision des crues éclair par apprentissage artificiel
Institution:
Paris 6Disciplines:
Directors:
Abstract EN:
The South of France is often subject to dramatic floods, which cause casualties and damages. Very intense, localized rainfalls generate fast, complex flash floods that are very difficult to forecast. The FLASH project (Flood forecasting with machine Learning, data Assimilation and Semi-pHysical modeling) was created in this context. It brings together several laboratories from different scientific fields, whose purpose is to provide the French Flood Surveillance Service (SCHAPI), with a model of flood forecasting. These forecasts will feed the real-time flood vigilance map that is available on the Internet. The main watershed under investigation here is the Gardon d’Anduze. Two types of neural networks are designed and trained to forecast the water level at Anduze from the past water levels and rainfalls. The selection of the number of hidden neurons, of the number of inputs, of some parameters of the training algorithm, and of the initialization of the networks parameters, which is crucial for estimating the generalization capability of the models, is performed by cross validation. The forecasts on the test events are satisfactory for 2 to 3 hour-ahead predictions, depending on the test event. An attempt at on-line training for model adaptation was unconvincing. Encouraging preliminary results are obtained by using rainfall estimates from radar images instead of rain gauge measurements. Finally, the methodology is applied to design predictive models of the water level of the Gardon at Remoulins, a watershed that includes the Gardon d’Anduze catchment. The level forecasts at Remoulins are statisfactory up to a prediction horizon of seven to nine hours.
Abstract FR:
Le Sud de la France subit régulièrement des inondations dévastatrices et meurtrières résultant d’épisodes pluvieux très intenses et localisés. La prévision de ces événements rapides et complexes est très difficile. Créé dans ce contexte, le projet FLASH (Flood forecasting with machine Learning, data Assimilation and Semi-pHysical modeling) regroupe plusieurs laboratoires partenaires qui ont pour objectif de fournir au SCHAPI (Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations) des modèles de prévision des crues afin d’alimenter la carte de vigilance des crues disponible sur internet. La zone d’étude principale est le Gardon d’Anduze. Des modèles à réseaux de neurones avec deux types d’architecture sont réalisés pour prévoir la hauteur du cours d’eau à partir des pluies et des hauteurs passées. La sélection du nombre de neurones cachés, du nombre de variables, de certains paramètres de l’algorithme d’apprentissage, ainsi que l’initialisation des paramètres des réseaux, déterminante pour l’estimation des performances des modèles, est effectuée par validation croisée. Les prévisions obtenues en test sont intéressantes jusqu’à un horizon de prévision de 2h voire 3h suivant l’événement en test. La mise en œuvre d’un apprentissage adaptatif est décevante. L’utilisation de hauteurs de pluies issues des mesures radar, plutôt que celles provenant des pluviomètres, a conduit à des premiers résultats équivalents. Enfin, la méthodologie établie a été appliquée à la conception de modèles pour la prévision des crues sur le Gardon à Remoulins, bassin versant qui inclut celui précédemment étudié ; ces modèles donnent des résultats satisfaisants.