Contribution À La Modélisation De L’évaporation À Partir Des Barrages Réservoirs Par Le Biais De L'intelligence Artificielle : Application Au Nord De L’algérie

Résumé: L'évaporation joue un rôle important dans le cycle hydrologique et le bilan hydrique, où l’estimation de la quantité d'eau évaporée est considérée comme l'une des questions ayant le plus d'intérêt pour les études hydrologiques modernes. La présente étude vise à développer des modèles mathématiques pour l’estimation de l’évaporation Epan à partir des barrages-réservoirs dans la région Nord-Est de l’Algérie, mesurée à partir du bac américain classe A, par les techniques à base d’intelligence artificielle, à savoir les réseaux de neurones artificiels (ANN), les systèmes Neuro-flous type ANFIS (les systèmes d'inférence floue à base de réseaux de neurones adaptatifs), et les machines à vecteurs de support (SVM). Quatre variables climatiques ont été sélectionnées comme entrées des modèles: les températures maximale et minimale (Tmin, Tmax,), l’humidité relative (H%), et la vitesse du vent (U2). En plus, la périodicité représentée par le numéro du jour et du mois, a été ajouté aux entrées pour tester son effet sur les performances des modèles développé. Les modèles ont été développés sous le logiciel Matlab en tant qu’outil de programmation. L’étude a révélé que l'intelligence artificielle permet une estimation robuste de l'évaporation journalière et mensuelle Epan avec une grande précision dans la zone d'étude, tout en tenant compte des critères de performances statistiques communément utilisés, notamment le coefficient de corrélation (R), l'indice de Wilmmot (d), l'erreur quadratique moyenne (RMSE) et l’erreur absolue moyenne (MAE).Cette étude recommande d'utiliser les approches d'intelligence artificielle pour modéliser l'évaporation Epan à différents pas de temps dans le Nord-Est de l'Algérie.

Publié dans la revue: