Application Of Two Statistical Methods For Rainfall Network Development In Northeast Of Algeria

Résumé: La pluie est un paramètre important du climat et les études sur les précipitations sont généralement entravées en raison du manque de données continues ou de la faible densité du réseau pluviométrique, en particulier dans les pays en développement. Compte tenu de ce problème, l’étude présente des méthodologies utilisée pour l’optimisation d’un réseau d’observation des précipitations moyennes annuelles. Il s’agit de la prédiction des précipitations en utilisant la régression linéaire multiple et les réseaux de neurones artificiels, à partir de 40 stations pluviométriques réparties dans le nord-est de l’Algérie. Les deux méthodes statistiques sont utilisées pour modéliser les relations entre une variable dépendante ()données pluviométriques)( et les variables explicatives altitude, distance de la mer, les coordonnées latitude et longitude)(. Les résultats obtenus dans cette étude indiquent que le modèle du réseau de neurone Multi-Couches Perceptron MCP)( est capable de fournir une meilleure représentation des estimations des précipitations en comparaison avec le modèle de régression linéaire multiple. Dans ce cas, l’estimation présentée par les réseaux de neurones artificiels est plus proche des valeurs réelles que les précipitations liées à la régression multivariée avec une erreur quadratique moyenne faible de 0,12 et un facteur d’efficacité et un coefficient de corrélation élevés de 0,90 et 0,95 respectivement.

Publié dans la revue: Bulletin des sciences géographiques de l'INCT