252
Hydrologie qu antit ative
0 .15 _
s:
~ 0.7
Z
0.'
o
.,..
....
0.'
I--l S 11 150 2' 15.3 1 15 <11 150501 15 6' 1S 11 15.10 I
Nombre croissa nt de parametres
Nombre croissa nt de parametres
F IG URE 5.3 - P erforman ces en calage et validation (crit ere de Nas h) de reseau x
de neurones de cornplexite croissante pour la simulation des debi t s moyens
journaliers de la Marne a Noisiel (source [156]).
de donnees disponibles en hyd rologi e perm et tent Ie calage d 'un nombre tres limit e de parametres : moin s de 10 en general , et mem e 4 ou 5 pour des modeles
hydrologiques conceptuels glob au x [330]. Seuls les resultat s de valid ation des
modeles apportent un e reelle information sur leurs performan ces et meritent
d 'etre publies et compares.
L' approch e bayesienne MCM C a I'avantage de reveler des la phase de calage qu 'un modele est surpara met re. La valid ation rest e cependant indi sp ensable pour verifier not amment que les intervalles de confiance qui sont evalues
a parti r des enseignements tires lors du calage du modele sont coherents avec
les result ats ob tenu s sur les jeux de valid ation. Une proportion trop importante
d 'observations sit uees en dehors des int ervall es de confiance pourrait indiquer
par exemple qu 'une non- st ationnari t e clu ph enomene et udie n 'a pas ete modelisee (section 5.5) .
5.4.5 Traitement des incertitudes en cours d'exploitation
Face aux incertitudes residuelles, plu sieurs at t it udes sont possible s selon la
mission du modele: constater et evaluer les incertit udes , rnodeliser les incert itudes , corriger Ie modele.
Hydrologie qu antit ative
0 .15 _
s:
~ 0.7
Z
0.'
o
.,..
....
0.'
I--l S 11 150 2' 15.3 1 15 <11 150501 15 6' 1S 11 15.10 I
Nombre croissa nt de parametres
Nombre croissa nt de parametres
F IG URE 5.3 - P erforman ces en calage et validation (crit ere de Nas h) de reseau x
de neurones de cornplexite croissante pour la simulation des debi t s moyens
journaliers de la Marne a Noisiel (source [156]).
de donnees disponibles en hyd rologi e perm et tent Ie calage d 'un nombre tres limit e de parametres : moin s de 10 en general , et mem e 4 ou 5 pour des modeles
hydrologiques conceptuels glob au x [330]. Seuls les resultat s de valid ation des
modeles apportent un e reelle information sur leurs performan ces et meritent
d 'etre publies et compares.
L' approch e bayesienne MCM C a I'avantage de reveler des la phase de calage qu 'un modele est surpara met re. La valid ation rest e cependant indi sp ensable pour verifier not amment que les intervalles de confiance qui sont evalues
a parti r des enseignements tires lors du calage du modele sont coherents avec
les result ats ob tenu s sur les jeux de valid ation. Une proportion trop importante
d 'observations sit uees en dehors des int ervall es de confiance pourrait indiquer
par exemple qu 'une non- st ationnari t e clu ph enomene et udie n 'a pas ete modelisee (section 5.5) .
5.4.5 Traitement des incertitudes en cours d'exploitation
Face aux incertitudes residuelles, plu sieurs at t it udes sont possible s selon la
mission du modele: constater et evaluer les incertit udes , rnodeliser les incert itudes , corriger Ie modele.