474
Hydrologie quantitative
l'assimilation deteriore Ie resultat. De fac;on plus generale, on peut considerer
que laisser la bride sur Ie cou a une boite noire sans en comprendre Ie fonctionnement, c'est clairement ne pas faire son travail de previsionniste. II faut
conserver la possibilite d'interpreter et donc de valider l'emploi les corrections
automatiques de parametres qui sont faites. Le probleme est qu'en temps reel,
on ne sait guere imputer automatiquement (ni meme souvent avec l'intervention du previsionniste) des ecarts constates a une cause, soit interne, soit sur les
entrees. II faut pouvoir et savoir eviter de corriger des parametres ou des etats
alors que ce sont les donnees d'entrees qui ont un probleme (parfois passager)
de representativite, pour ne pas degrader et destabiliser Ie modele, qui peut ensuite voir ses parametres osciller dans des corrections et contre-corrections. II
faut aussi veiller a preserver une continuite dans la structure de fonctionnement
du modele et ne pas l'alterer avec des parametres qui bougent sensiblement sur
plusieurs pas de temps. De plus, il ne faut transposer qu'avec beaucoup de
precaution les resultats obtenus sur un evenement ou meme un groupe d'evenements a un evenement en cours, car l'optimalite des corrections n'est assuree
que dans un contexte particulier de repartition des erreurs entre entree, sortie
et modele, et ces elements sont souvent assez instables et mal reproduits d'un
episode a l'autre.
10.5.4 Procedures multi-modeles
II existe un moyen tres efficace de faire face aces ecarts, c'est de ne pas
oublier qu'un modele donne n'est pas la seule fac;on de preparer une prevision.
Plusieurs outils utilisant des combinaisons differentes des informations peuvent fournir des previsions pour un meme point. Si la qualite d'un modele utilisant une de ces informations se degrade brutalement alors que celles d'autres
modeles, y compris moins performants, restent satisfaisante, il semble raisonnable d'ecarter celui-ci, au moins temporairement, ne serait-ce que Ie temps
d'elucider Ie probleme (faire verifier un capteur par une equipe de terrain ou
autre) ou de lui accorder une moindre confiance. Deux types de procedures
multi-modeles existent:
• celles qui font basculer Ie choix d'un modele a un autre en fonction des
performances comparees : l'idee est d'essayer d'avoir toujours Ie meilleur
modele de l'instant ;
• celles qui etablissent la prevision proposee par une ponderation des resultats des modeles et font evoluer les poids de ceux-ci en fonction des
performances recentes.
Cette ponderation dynamique est en pratique beaucoup plus adaptee au
fonctionnement du temps reel que Ie basculement d'un modele a l'autre. Ce
type de ponderation a ete etudie par R. Tamin et P.-A. Roche sur Ie bassin
Hydrologie quantitative
l'assimilation deteriore Ie resultat. De fac;on plus generale, on peut considerer
que laisser la bride sur Ie cou a une boite noire sans en comprendre Ie fonctionnement, c'est clairement ne pas faire son travail de previsionniste. II faut
conserver la possibilite d'interpreter et donc de valider l'emploi les corrections
automatiques de parametres qui sont faites. Le probleme est qu'en temps reel,
on ne sait guere imputer automatiquement (ni meme souvent avec l'intervention du previsionniste) des ecarts constates a une cause, soit interne, soit sur les
entrees. II faut pouvoir et savoir eviter de corriger des parametres ou des etats
alors que ce sont les donnees d'entrees qui ont un probleme (parfois passager)
de representativite, pour ne pas degrader et destabiliser Ie modele, qui peut ensuite voir ses parametres osciller dans des corrections et contre-corrections. II
faut aussi veiller a preserver une continuite dans la structure de fonctionnement
du modele et ne pas l'alterer avec des parametres qui bougent sensiblement sur
plusieurs pas de temps. De plus, il ne faut transposer qu'avec beaucoup de
precaution les resultats obtenus sur un evenement ou meme un groupe d'evenements a un evenement en cours, car l'optimalite des corrections n'est assuree
que dans un contexte particulier de repartition des erreurs entre entree, sortie
et modele, et ces elements sont souvent assez instables et mal reproduits d'un
episode a l'autre.
10.5.4 Procedures multi-modeles
II existe un moyen tres efficace de faire face aces ecarts, c'est de ne pas
oublier qu'un modele donne n'est pas la seule fac;on de preparer une prevision.
Plusieurs outils utilisant des combinaisons differentes des informations peuvent fournir des previsions pour un meme point. Si la qualite d'un modele utilisant une de ces informations se degrade brutalement alors que celles d'autres
modeles, y compris moins performants, restent satisfaisante, il semble raisonnable d'ecarter celui-ci, au moins temporairement, ne serait-ce que Ie temps
d'elucider Ie probleme (faire verifier un capteur par une equipe de terrain ou
autre) ou de lui accorder une moindre confiance. Deux types de procedures
multi-modeles existent:
• celles qui font basculer Ie choix d'un modele a un autre en fonction des
performances comparees : l'idee est d'essayer d'avoir toujours Ie meilleur
modele de l'instant ;
• celles qui etablissent la prevision proposee par une ponderation des resultats des modeles et font evoluer les poids de ceux-ci en fonction des
performances recentes.
Cette ponderation dynamique est en pratique beaucoup plus adaptee au
fonctionnement du temps reel que Ie basculement d'un modele a l'autre. Ce
type de ponderation a ete etudie par R. Tamin et P.-A. Roche sur Ie bassin