APPLICATION DE LA TECHNIQUE DES RÉSEAUX NEURONAUX ARTIFICIELS

Les précipitations sont un paramètre très important dans les modèles hydrologiques. De nombreuses techniques et modèles ont été développés pour la prévision des précipitations. Cette étude présente une méthode de prévision des précipitations en développant un modèle basé sur l'ANN utilisant les principales variables météorologiques telles que la température du bulbe sec, la température du bulbe humide, l'humidité relative, l'évaporation de la cuvette, la pression de vapeur comme données d'entrée, tandis que les précipitations constituent la sortie cible. Dans le cadre des procédures de développement du modèle ANN, les ensembles de 11956 données de la zone d'étude ont été divisés en deux parties, 70% de l'ensemble des ensembles de données étant utilisés comme données d'entraînement tandis que les 30% restants sont utilisés comme données de test et de validation. Le modèle proposé a été en mesure de prédire les valeurs avec des résultats appropriés. Pour évaluer les résultats et la capacité des modèles pronostiques développés, des indices statistiques appropriés tels que le coefficient de détermination (R2), l'erreur quadratique moyenne (RMSE), l'erreur quadratique moyenne (MSE), l'efficacité de Nash-Sutcliffe (EF), les critères d'information d'Akaike (AIC), les critères d'information bayésiens (BIC) ont été utilisés. Les résultats de cette analyse ont montré que le modèle ANN 5-5-3-1 fournit des résultats satisfaisants sur la base des indices statistiques.