318
Hydrologie quantitative
Le reseau de neurones est construit en arrangeant les neurones par couches
(figure 6.25), les variables de sortie d'une couche etant les variables d'entree
des neurones de la couche suivante dans la version la plus simple (Ie reseau
est alors appele «perceptron »). Les fonctions d'activation des neurones de la
couche de sortie sont lineaires.
y
c0uclle
d'entree
couc~le
cacl,ee
FIGURE 6.25 - Reseau de type perceptron a une couche cachee.
Le nombre de parametres d'un reseau de neurones augmente lineairement
avec Ie nombre M de neurones des couches intermediaires dites cachees. Si on
note N Ie nombre de variables de forr;age du modele, Ie nombre de parametres
d'un perceptron est egale a (M + l)(N + 1). Le risque de sur-parametrisation
et de sur-calage rend la mise en ceuvre des reseaux de neurones delicate (cf.
figure 5.3).
6.7.4.2 Atouts et limites
La relation pluie-debit est fortement non lineaire. Les modeles totalement
empiriques ont du mal a egaler les performances des autres types de modeles
lorsqu'il s'agit de prevoir les debits a partir des pluies mesurees. En revanche,
leurs performances en prevision a courte echeance sont nettement ameliorees
lorsque les debits mesures jusqu'a l'instant de la prevision sont pris en compte
comme variables de forr;age. Ces modeles ont donc ete surtout testes comme
outils de prevision des debits a courte echeance (quelques pas de temps). Mais
dans la mesure OU leur pouvoir predictif est essentiellement fonde sur l'autocorrelation des debits, ils ont les memes defauts que les modeles d'autocorrelation :
ils prevoient tres malles changements de tendances associes aux pluies, ce que
l'on attend justement des modeles de prevision (d. discussion de la section 6.8).
Hydrologie quantitative
Le reseau de neurones est construit en arrangeant les neurones par couches
(figure 6.25), les variables de sortie d'une couche etant les variables d'entree
des neurones de la couche suivante dans la version la plus simple (Ie reseau
est alors appele «perceptron »). Les fonctions d'activation des neurones de la
couche de sortie sont lineaires.
y
c0uclle
d'entree
couc~le
cacl,ee
FIGURE 6.25 - Reseau de type perceptron a une couche cachee.
Le nombre de parametres d'un reseau de neurones augmente lineairement
avec Ie nombre M de neurones des couches intermediaires dites cachees. Si on
note N Ie nombre de variables de forr;age du modele, Ie nombre de parametres
d'un perceptron est egale a (M + l)(N + 1). Le risque de sur-parametrisation
et de sur-calage rend la mise en ceuvre des reseaux de neurones delicate (cf.
figure 5.3).
6.7.4.2 Atouts et limites
La relation pluie-debit est fortement non lineaire. Les modeles totalement
empiriques ont du mal a egaler les performances des autres types de modeles
lorsqu'il s'agit de prevoir les debits a partir des pluies mesurees. En revanche,
leurs performances en prevision a courte echeance sont nettement ameliorees
lorsque les debits mesures jusqu'a l'instant de la prevision sont pris en compte
comme variables de forr;age. Ces modeles ont donc ete surtout testes comme
outils de prevision des debits a courte echeance (quelques pas de temps). Mais
dans la mesure OU leur pouvoir predictif est essentiellement fonde sur l'autocorrelation des debits, ils ont les memes defauts que les modeles d'autocorrelation :
ils prevoient tres malles changements de tendances associes aux pluies, ce que
l'on attend justement des modeles de prevision (d. discussion de la section 6.8).