ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION...

29
ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE L’ÉROSION SPÉCIFIQUE. Cas du Bassin de l’Algérois Hodna Soummam Chahrazed SALHI, Benina TOUAIBIA OFFICE NATIONAL D’IRRIGATION OFFICE NATIONAL D’IRRIGATION ET DRAINAGE ET DRAINAGE O.N.I.D O.N.I.D

Transcript of ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION...

Page 1: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE

NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE L’ÉROSION SPÉCIFIQUE.

Cas du Bassin de l’Algérois Hodna Soummam

Chahrazed SALHI, Benina TOUAIBIA

OFFICE NATIONAL D’IRRIGATION OFFICE NATIONAL D’IRRIGATION ET DRAINAGEET DRAINAGE

O.N.I.DO.N.I.D

Page 2: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Érosion

Envasement

Page 3: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

L’Algérie est un pays très érodible ce qui provoque l’envasement des barrages. (4000 tonnes /Km2.an), l’érosion spécifique dépasse le seuil tolérable (10 tonnes/ha)

la présente étude vise à contribuer à la quantification et la prédiction de l’érosion spécifique à partir des paramètres hydromorphométriques et climatiques des sous bassins des ouvrages en utilisant la méthode des réseaux de neurones l’ACP et la régression multiple.

Page 4: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.
Page 5: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Situation géographique :

Situation générale du bassin hydrographique AHS

Page 6: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Le bassin AHS couvre une superficie de 47 875 Km2 et décomposer en 03 bassins versants

Découpage du bassin Hydrographique AHS

Page 7: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Caractéristiques hydroclimatiques 

Le climat varie de manière contrastée, du type méditerranéen et semi aride dans

le nord vers le type désertique dans le Sahara.

1. Pluviométrie 

Les précipitations varient en moyenne entre 300 et 1500 mm dans la région

côtière

et de 200 à 500 mm au Sud.

2. Température

La température moyenne mensuelle dans le bassin AHS varie entre 6°C et 12°C

pour

les minima et entre 16° et 25°C pour celle des maxima.

3. Evapotranspiration 

Pour l’ensemble du bassin hydrographique Algérois Hodna Soummam (AHS),

l’évapotranspiration potentielle (ETP) annuelle oscille entre 1000 et 1900 mm.

Page 8: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Données climatiques :

Localisation des stations pluviométriques

station pluviométrique :

Le Nombre des stations pluviométriques est de 396

Page 9: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Localisation des stations hydrométriques

Station hydrométrique :

66 des stations hydrométriques

Page 10: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Ouvrages existants:

Nombre d’ouvrages existants 

Barrages en Barrages en exploitationexploitation Petits barragesPetits barrages PrisesPrises DérivationDérivation Retenues Retenues

collinairescollinaires

1212 30 et plus30 et plus 66 44 268 et plus268 et plus

Page 11: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.
Page 12: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Implantation des ouvrages d’étude

Page 13: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Caractéristiques hydromorphométriques 

Caractéristiques hydromorphométriques des S/bassins barrages retenus

(1) :numéro de l’ouvrage; S : superficie du bassin versant de l’ouvrage; Per : périmètre du bassin versant de l’ouvrage ;Hmin : altitude minimale; Hmax : altitude maximale ; P : précipitation moyenne; Le : lame écoulée ; D : densité de drainage; Im : pente moyenne du bassin versant.

N° Ouvrage WilayaSurface (Km2)

Per (Km)

Hmax (m)

Hmin (m)

D(km/km2) Im (%)

1Beni

AmraneBoumerdes 3710.00 394.40 1800 50 0.58 17.27

2 Ain Zada B.B.A 2078.00 228.83 1750 850 0.63 7.45

3 Taksebt Tizi ouzou 454.24 101.16 2150 150 0.88 39.58

Page 14: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Caractéristiques climatiques

Précipitation :

Une vingtaine de stations pluviométriques ont été choisies et traitées afin

d’évaluer la précipitation moyenne à proximité de chaque ouvrage retenu. les maximum aux ouvrages de l’Algérois (900 mm) et les minimum aux ouvrages de Hodna (200 mm)

Lame écoulée :

Les lames écoulées des barrages sont déduites de l’apport liquide (stations hydrométriques) et celles des retenues collinaires et petits barrages ont été tirées de la carte des écoulements moyens annuels sur le Nord de l’Algérie, éditée en 2005 par l’ AHRH, la maximale à Taksept (Tizi ouzou)(431 mm) et la minimale à Lechbour (B.B.A)(20 mm)

Page 15: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Couvert Végétal

Couvert végétal des S/bassins de quelques grands ouvrages

Page 16: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Couvert végétal des sous bassins des barrages

N° Ouvrage Cv (%)

1 Beni Amrane 19.12

2 Ain zada 4.48

3 Taksebt 46.74

(1) : numéro de l’ouvrage; Cv : couvert végétal 

Page 17: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Couvert végétal des sites des communes

Page 18: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Couvert végétal des sous bassins des petits barrages et retenues collinairesN° Ouvrage Commune Cv (%)4 Ain Zouaoua Attatba 64.965 Oued Skhouna Boumefaâ 7.356 Freha Freha (djaballah) 36.187 DAS Bourahla 1

Sidi Daoud33.9

8 DAS Bourahla 2 33.99 Kouanine Baghlia 16.7

10 Naciria Naciria 32.2811 ND Sidi Daoud 33.912 Boussedoum Amalou 0.0613 Oued Assila Dirah 2.0614 Boumerzel (I)

Ahl lakser0.01

15 Boumerzel (II) 0.0116 Ouled el berdi-av Ouled el berdi 8.0817 bordj oukhris bordj oukhris 3.918 Gueria bir ghbalou 17.2619 Ighil Libene

Haizer19.66

20 Chabet Merdja 19.6621 Gominsis Taghzout 16.3622 Djedala Djebahia 20.923 Bouchiouane Kadiria 46.8624 H.M'thene Ain Laloui 3.5825 Merdja Ain Bessam 9.426 harbitia Ridane 3.127 mihab Dirah 2.0628 Dra alouest Hadjra zerga 1.2929 Bergoug Bouira 31.3730 Ouled el berdi-am Ouled el berdi 8.0831 Lechbour Medjana 8.0332 El H'mada El-Achir 1.5633 Draouet Tala Ifacen 7.1934 Oued Ouled Saber

Ouled Saber3.29

35 RC Lemhari 3.2936 Oued Sedd

Kef Lakhdar3.36

37 Mechtates Sedari 3.3638 chabet Mehadjer sidi Ziane 8.4939 Chabet Ain Bouaicha Rébaia 1.3740 Oued Anseur El Hadj El Azizia 2.0441 Djoueb

Djoueb22.7

42 Chabet El Farfachia 22.743 Chabet Tatouch

Beni slimane

6.444 Chabet Arous 6.445 Chabet Loualouia 6.446 Chabet metreg 6.447 Chabet Touhiah

Sidi rabie9.1

48 B.22 9.149 Chabet Mahrouga El Azizia 2.0450 Chabet Sfaï

Rébaia1.37

51 Oued Rhorb 1.3752 Oued Messai El Azizia 2.0453 Chabet Bouhalfia Souagui 8.4954 Chabet Defla

Ouled Brahim28.5

55 Chabet Drabine 28.556 Oued Ben Loulou Bouskène 5.1

Page 19: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

L’érosion spécifique :

L’érosion spécifique des sous bassins des barrages a été estimée à partir des levés bathymétriques.

L’érosion spécifique des sites des retenues collinaires a été estimée à partir de leur capacité, vu que ces ouvrages sont complètement envasés ou ayant un taux d’envasement assez élevé, le volume est égal à la capacité ou à un pourcentage de cette dernière.

L’érosion spécifique moyen annuel dépasse le seuil tolérable (10 tonnes/Ha) dans la plupart des bassins versants au droit des ouvrages retenus.

Page 20: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.
Page 21: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Application de la régression multiple

L’application de régression multiple entre l’érosion spécifique et les différents paramètres hydromorphométriques et climatiques, à donnée la matrice de corrélation en tableau suivant

Matrice des cœfficients de corrélation

S : superficie du bassin; Per : Périmètre du bassin;

Hmax: altitude maximale; Hmin: altitue minimale;

P: précipitation moyenne; Le : lame écoulée;

D : densité de drainage; Im : pente moyenne;

Cv : couvert végétal; Es : érosion spécifique.

Es(tonne/

Km2.an)

S

(Km2)Per

(Km)Hmax

(m)Hmin

(m)P(mm)

Le (mm)

D(km/

km2) Im (%) CV (%)

Es(tonne/Km2.an) 1.00

S (Km2) -0.07 1.00Per (Km) -0.10 0.99 1.00Hmax (m) -0.17 0.46 0.53 1.00Hmin (m) -0.10 -0.20 -0.18 0.53 1.00

P(mm) 0.30 -0.21 -0.21 -0.56 -0.68 1.00Le (mm) 0.22 0.10 0.14 -0.05 -0.63 0.64 1.00

D(km/km2) 0.53 -0.17 -0.17 -0.04 0.02 0.15 0.15 1.00 Im (%) 0.12 -0.04 -0.03 0.02 -0.42 0.28 0.46 0.17 1.00CV(%) 0.04 0.03 0.02 -0.36 -0.62 0.49 0.61 -0.05 0.42 1

Page 22: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Application de la méthode d’Analyse en Composantes Principales

(ACP)

L’Analyse en composantes principales à permis de distinguer les groupes

suivant :

Projection des individus sur le plan C1- C2

173117

341314 15

24

28

1229

52

544

19

1

23

23

81110

7

51 22

33

9

56

47

50 55

46

21

6

2053

42484544

49

4138

26 39

5

43

3640

3027

37

2518

16

35

-2.0

-1.0

0.0

1.0

2.0

3.0

4.0

5.0

6.0

-2 2 C1

C2

1

2

3

Page 23: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Projection des individus sur le plan C1 –C3

17

31

17

34

13

14 15

242812

29

52

54

4

19

12

3

23

8

1110

7

51

22

33

956

47

50

55

46

21 620

53

42

4845

44

49

41

38

26

39

5

4336 40

30

27

37

25

1816

35

-2.0

-1.0

0.0

1.0

2.0

3.0

4.0

5.0

6.0

-2 2 C1

C3

3

1

2

Page 24: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Application de la méthode des Réseaux

de neurones Plusieurs modèles ont été établis, ci après les résultats des

paramètres de validation

Modèle Nombre de couches cachées

Nombre de neurones dans la couche cachée

Erreur surle bilan

MSE R

3 variables (P, Le, D)

1 3 -0,94 0,30 0,62

2 6 0,23 0,30 0,58

4 variables(P, Le, D, Im)

1 4 0,17 0,10 0,58

2 8 0,67 0,24 0.44

5 variables ( P, Le, D, Im, Cv)

1 5 0,26 0,16 0,53

2 10 -0,22 0,004 0,50

Paramètres de validation des modèles testés

Page 25: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

Architecture du modèle choisi

Page 26: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

L’erreur sur le bilan et l’erreur quadratique (MSE) sont faibles, de valeur

respectivement (0,17) et (0,1).

Le coefficient de corrélation est relativement moyen (0,58) et supérieur au

coefficient critique de la table de Fischer.

Le graphique de l’érosion spécifique simulée en fonction de l’érosion

spécifique observée est présenté ci-dessous

Essim = 0.237Esobs + 1037,7r = 0.58

0

500

1000

1500

2000

2500

3000

3500

4000

4500

0 1000 2000 3000 4000 5000 6000 7000

Es observée (tonnes/Km)2

Es

sim

ulée

(to

nnes

/Km

2 )

Erosion simulée - Erosion observée

Page 27: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

La variation de l’érosion spécifique annuelle observée et simulée est illustrée en la figure suivante

0

1000

2000

3000

4000

5000

6000

7000

0 5 10 15 20 25 30 35 40 45 50 55 60

Numéro d'ouvrages

Es

(ton

nes

/km

2 )

Es observée

Es simulée

Moyenne Es observée

Moyenne Es simulée

Variation de l’érosion spécifique simulée et observée

Page 28: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.

•Conclusion

Les résultats de la modélisation et la prévision de l’érosion spécifique annuelle

obtenus en utilisant le modèle neuronal, à partir des entrées : densité de

drainage D(km/km2), pente moyenne du bassin Im (%), précipitation moyenne

P (mm) et lame écoulée Le (mm), montrent une concordance expliquée par un

coefficient de corrélation signifiant (0,58) au vu du coefficient de corrélation

critique de Fisher et des erreurs quadratique et du bilan (0,10 et 0,17)

obtenus mais restent insuffisants pour quantifier et prédire fiablement le

phénomène du transport solide. La qualité des résultats obtenus est liée à

l’effet de surface qui est mis en jeu, à l’estimation du couvert végétal des sous

bassins des retenues collinaires qui sont de petite taille, à la taille de

l’échantillon dans le modèle neuronal, à la non disponibilité des données

climatiques dans les sous bassins des petits ouvrages.

Page 29: ANALYSE EN COMPOSANTES PRINCIPALES, RÉGRESSION MULTIPLE ET RÉSEAU DE NEURONES : LEUR CONTRIBUTION DANS LA PRÉDICTION DE LÉROSION SPÉCIFIQUE. Cas du Bassin.