Modélisation du transport solide par machine Learning (application au bassin versant de la Medjerda)

Abstract

Le contrôle de l’envasement des retenues des barrages permet d’évaluer de façon globale l’importance de processus de l’érosion et de transport solide. Dans notre mémoire, on a fait dans un premier lieu une recherche bibliographique concernant le problème majeur de l’érosion et de transport solide et leur impact sur l’envasement des barrages notamment en Algérie. L’évolution reconnue de domaine de la modélisation hydrologique dans les dernières années a donné des nouvelles approches pour la quantification de l’érosion et de transport solide par l’estimation des concentrations en matière en suspension en fonction de débit liquide au niveau des différents bassins versants. La modélisation débit-MES a été faite par deux méthodes d’intelligence artificiels, les réseaux de neurones artificiels et le Gradient Boosting. L’application sur les deux bassins versant (Medjerda et Colorado) et l’évaluation des performances de ces deux modèles a montré que le modèle le plus performant est celui de réseaux de neurones artificiels en cas de nombre important de données fiable, dans le cas contraire le Gradient Boosting présente une meilleure souplesse.