Vous êtes sur la page 1sur 140

Rpublique Algrienne Dmocratique et Populaire

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

Universit Hadj Lakhdar BATNA


Institut de Gnie Civil, dHydraulique et dArchitecture
Dpartement dHydraulique

Thse
En vue de lobtention du diplme de

DOCOTRAT EN SCIENCES
Option : Hydraulique
Prsente par :

Mme Tebbi Fatima Zohra


(Ingnieur dtat en Hydraulique , Magister en Constructions Hydrauliques )

Thme

MODLISATION DE LA RGULARISATION DES BARRAGES


DANS LA RGION
RGION DES AURS
Soutenue publiquement Batna, le 23 /06 / 2014

Devant le jury
Mr BOUDOUKHA Abderrahmane ,

Prsident

Professeur, UHL Batna

Mme DRIDI Hadda ,

Rapporteur

Professeur, UHL Batna

Mr REMINI Boualem,

Examinateur Professeur, USD Blida

Mr MEBARKI Azzedine,

Examinateur Professeur, UMC Constantine

Mr BENKHALED Abdelkader,

Examinateur Professeur, UMK Biskra

Mr HOUICHI Larbi,

Examinateur Professeur, UHL Batna

Mr KALLA Mahdi ,

Invit

Professeur, UHL Batna

A la mmoire de mes parents


A Hamid, Nour El Yakine et Moutaki Errahmane
A mes
mes frres et surs
A toutes les familles Tebbi etGhenam
etGhenam partout dans ce
ce monde

Remerciements
Je remercie ma directrice de thse Professeur Hadda Dridi de mavoir encadr, guid par ses
conseils et surtout par ses grandes qualits humaines. Je remercie galement Professeur
Mahdi Kalla pour son soutien et sa confiance le long de toutes ces annes.
Je voudrais tmoigner ma reconnaissance et gratitude extrme mon enseignant Docteur
Houichi Larbi pour toute laide et la sollicitude quil a prouv mon gard tout le long de
llaboration de cette thse.
Je tiens vivement remercier Docteur Larbi Houichi , Professeur Abdelkader Benkhaled,
Professeur Boualem Remini et Professeur Azzedine Mebarki pour avoir accept
spontanment de se joindre au jury de la thse ainsi que pour leurs lectures et corrections
minutieuses. Je suis trs reconnaissante Monsieur le Professeur Abderrahmane Boudoukha
davoir accept de prsider mon jury de thse.
Mes remerciement vont toute lquipe de lAgence Nationale des Barrages et Transferts
ANBT pour leur aides prcieuses.
Mr H. Habchi
ANBT Alger
Mr A. Khmouli ANBT Barrage Foum El Kherza
Mr A. Chorfi
ANBT barrage Babar
Mr R. Falek
ANBT Barrage Foum El Gueiss
Mr Sfair et toute lquipe de lANBT Barrage Fontaine des Gazelles
Je noublierais jamais laide et la confiance de la part de mes amies surtout Fouzia, Nawel,
Ouafa,Houria, Wassila, Djemaa et Ouarda.
Jexprime enfin ma gratitude extrme tous mes enseignants et collgues, dans tous les
cycles.

Aknowledgments
I would like to express my deepest gratitude to all that accept to give me support and
wonderful academic knowledge and discussions:
discussions:
Doctor Gregroy L. Morris

GLM Enginneering Coop Puerto Rico, USA

Professor Benina Touaibia

ENSH Blida, Algeria

Professor Mujumdar Pradeep

Indian Institute of Science, Department of civil Engineering

Professor Nagesh Kumar

Indian Institute of Science, Department of civil Engineering

Professor Desmond Walling University of Exeter, United Kingdom


Professor Daniel P. Loucks

School of CEE Cornel University ,USA

Professor Jerry R. Stedinger School of CEE Cornel University, USA


Iwan Hardaja Faculty of Civil and Environmental Engineering, Bandung; Indonesia

Rsum
La rgularisation des barrages long et moyen terme consiste en la drivation des courbes
consignes pour une gestion optimale de la ressource disponible. Le prsent travail sintresse
la rgularisation ou gestion des barrages situs dans la rgion des Aurs trs connue pour
sa vulnrabilit lrosion.
Comme exemple, le rservoir de Foum El Kherza a t choisi afin de lui appliquer
lapproche propose, qui consiste valuer en premier lieu tous les termes du bilan hydrique,
surtout ceux caractre alatoire comme les apports liquides. Par la suite, et en se basant
sur les mesures bathymtriques effectues au niveau du rservoir conjointement avec
lapproche de la courbe de tarage en sdiments, une courbe cumulative en sdiments pigs
est labore, cette courbe a donn lieu une relation puissance dbit solide-dbit liquide qui
sera utilise pour lestimation future du volume des sdiments pigs dans le rservoir.
Implicitement, cette estimation du volume utile est introduite dans le modle de gestion par
optimisation en utilisant la Programmation Dynamique Stochastique Explicite PDSE afin de
driver les rgles de gestion optimales pour chaque horizon. Les lchers optimaux issus de
cette optimisation sont introduits par la suite dans un modle neuronal afin dextraire une
relation plus flexible exprimant les lchers en fonction du volume dans le rservoir et les
apports liquides. Les rsultats obtenus de cette optimisation ont montr une zone de gestion
optimale en fonction du volume utile du rservoir et ainsi une flexibilit de la gestion du
rservoir savre ncessaire afin de veiller la durabilit de la ressource.
La confrontation de ces consignes un rel fonctionnement du rservoir mme tant
optimales, a fait apparaitre les dfaillances dun tel systme surtout celles relatives au
dversement engendr par la diminution du volume utile.

Abstract
Long term and mid-term reservoir operation consists in the derivation of rule curves for
optimal management of the available resource. The present work deals with reservoirs
operation in Aures region well known for its vulnerability to erosion.
As an example, Foum El Kherza reservoir is selected in order to apply the proposed
approach which estimates all the water balance terms, especially those which are random as
water inflows. Thereafter, based on bathymetric surveys at the reservoir, together with the
approach of the sediment rating curve, a cumulative curve for trapped sediment volume was
developed. This curve has resulted in sediment-water power relationship and will be used for
future estimation of trapped sediment in the reservoir. Implicitly, this estimate of the useful
volume is introduced into the reservoir operation optimization model using Explicit
Stochastic Dynamic Programming, in order to derive optimal rule curves for each horizon.
Optimal releases from this optimization are subsequently introduced in a neural model to
extract a more flexible relation expressing the releases according to storage in the reservoir
and water inflows. The results of this optimization showed optimal region-based management
of the useful volume of the reservoir and thus flexibility of reservoir management is necessary
to ensure the sustainability of the resource.
These optimized rule curves and actual operation of the same reservoir, has showed
failures of such system especially those relating to the spill events caused by the decrease in
volume.

Sommaire
Liste des figures .................................................................................................................... iv
Liste des tableaux .....................................................................................................................vii
Introduction gnrale .................................................................................................................. i
Introduction gnrale .................................................................................................................. 1
Enonc du problme ................................................................................................................... 3
Objectif de ltude ...................................................................................................................... 3
Contenu et organisation de la thse ............................................................................................ 4
Contributions apportes par la thse ........................................................................................... 4
Etat de lart ................................................................................................................................. 7
1.1 Introduction ......................................................................................................................... 8
1.2 Mthodes doptimisation ...................................................................................................... 8
1.2.1. Programmation linaire (PL) ........................................................................................ 9
1.2.2. Programmation Non Linaire (PNL) ............................................................................ 9
1.2.3 Programmation Dynamique (PD) .................................................................................. 9
1.2.2.1 Principe de la Programmation Dynamique ...................................................................... 10
1.1.2.2 Programmation Dynamique Stochastique ........................................................................ 13
1.1.2.2. La poisse de dimentionnalit Curse of dimentionnality ............................................ 16
1.2.2.3. Autres drives de la programmation dynamique stochastique....................................... 16

1.3 Modles de simulation .................................................................................................. 17


1.4 Modles combins ........................................................................................................ 18
1.5 Rseaux de Neurones Artificiels .................................................................................... 19
1.5.1 Apprentissage du rseau de neurones par rtro-propagation (backpropagation) .............. 21

1.5.2 Simulation de lopration du rservoir par Rseaux de Neurones .............................. 22


1.6 Conclusion .......................................................................................................................... 23
Les Aurs, Rservoirs et Gestion .............................................................................................. 24
2.1 Contexte physique de la rgion des Aurs.......................................................................... 25
2.1.1 Synthse gologique.................................................................................................... 25
2.1.1.1 Anticilinaux ....................................................................................................................... 26
2.1.1.2 Synclinaux ......................................................................................................................... 26
2.1.1.3 Hydrographie : Ecoulement endorique ........................................................................... 28

2.1.2 Aperu climatique........................................................................................................ 28


2.1.2.1 Prcipitations .................................................................................................................... 29
i

2.1.2.2 Facteur thermique ............................................................................................................. 30


2.1.2.3 Evapotranspiration ........................................................................................................... 31
2.1.2.4 Le vent ............................................................................................................................... 32

2.1.3 Couvert vgtal ............................................................................................................ 32


2.1.4 Apports annuels des cours deau .............................................................................. 34
2.1.5 Les crues dans la rgion des Aurs .............................................................................. 35
2.1.6 Apport solide ............................................................................................................... 41
2.2 Les barrages rservoirs dans la rgion des Aurs ............................................................... 43
2.2.1 Fiches techniques des barrages.................................................................................. 44
2.2.1.1 Barrage Foum El Kherza .................................................................................................. 44
2.2.1.2 Barrage de Fontaine des Gazelles .................................................................................... 47
2.2.1.3 Barrage de Babar.............................................................................................................. 48
2.2.1.4 Barrage de Koudiet Mdaouar ......................................................................................... 49
2.2.1.5 Barrage Foum El Gueiss................................................................................................... 50

2.3 Gestion actuelle des barrages de la rgion ..................................................................... 51


2.3.1 Gestion du barrage de Foum El Kherza .................................................................... 51
2.3.2 Gestion du rservoir de Babar .................................................................................... 53
2.3.3 Gestion du rservoir de Foum El Gueiss ................................................................... 54
2.3.4 Gestion du rservoir de Fontaine des Gazelles .......................................................... 56
2.3.5 Gestion du rservoir de Koudiet Mdaouar ............................................................... 58
2.4 Conclusion ......................................................................................................................... 58
Deuxime partie ....................................................................................................................... 60
Termes du bilan hydrique ......................................................................................................... 61
3.1 Introduction ........................................................................................................................ 62
3.2 Apports liquides .................................................................................................................. 62
3.2.1 Donnes disponibles .................................................................................................... 62
3.2.2 Les modles de prvision des apports liquides mensuels ............................................ 63
3.2.2.1 Modle autorgressif......................................................................................................... 63
3.2.2.2 Rseau de neurones temps retard ou Time Delay Neural Network TDNN .................... 68

3.3 Pertes par vaporation et par infiltrations ........................................................................... 72


3.3.1 Pertes par vaporation ................................................................................................. 72
3.3.1.1. Relation Volume vapor -Volume deau dans le rservoir par RNA ............................. 73

3.3.3. Modlisation des pertes par infiltrations .................................................................... 76


3. 4 Pluviomtrie directe au dessus du rservoir ...................................................................... 76
ii

3.4.1 Modlisation des pluies mensuelles. ........................................................................... 77


3.5 Demande en eau et lchers historiques .............................................................................. 79
3.5.1 Besoins en eau du palmier dattier ............................................................................ 81
3.6 Conclusion ......................................................................................................................... 83
Sdimentation du rservoir ....................................................................................................... 84
4.1 Introduction ........................................................................................................................ 85
4.3 Mthodes ............................................................................................................................ 88
4.3.1 Levs bathymtriques .................................................................................................. 88
4.3.2 Courbe de tarage en sdiments (SRC) ........................................................................ 88
4.3.3 Efficacit de pigeage Trap efficiency. .................................................................... 89
4.3.4 Apport solide pig historique ..................................................................................... 89
4.3.5 Chasse de fond, vacuation durant les crues et dvasement ........................................ 89
4.3.6 Concentration journalire en sdiments ...................................................................... 90
4. 4 Optimisation de la Courbe Cumulative en Sdiments Pigs ........................................... 90
4.4 Rsultats de lOptimisation de la Courbe Cumulative ....................................................... 91
4.5 Conclusion .......................................................................................................................... 95
Loptimisation de la gestion du rservoir................................................................................. 96
et la contrainte sdimentation .................................................................................................. 96
5.1 Introduction ....................................................................................................................... 97
5.2 Mthodologie adopte ........................................................................................................ 97
5.2.1. Programmation Dynamique Stochastique Explicite ................................................... 98
5.2.1.1 Discrtisation des apports................................................................................................. 98

5.2.2 Matrices de transition .................................................................................................. 99


5.2.3 Discrtisation du volume de la retenue...................................................................... 100
5.2.4 La fonction objectif ............................................................................................. 100
5.3 Optimisation de lopration par PDSE et la sdimentation du rservoir ........................ 101
5.3.1 Rsultats de loptimisation ........................................................................................ 101
5.3.2 Application des rsultats de loptimisation aux tats historiques du rservoir.......... 106
5.4 Simulation de lopration du rservoir par Rseaux de Neurones Artificiels .................. 106
5.5 Conclusion ........................................................................................................................ 110
Conclusion gnrale ............................................................................................................... 111
Rfrences bibliographiques .................................................................................................. 114

iii

Liste des figures


Figure 1.1 Bilan hydrologique pour un rservoir (cas simplifi dun rservoir isol) 11
Figure 1.2 processus multi-tats de lquation de Bellman (forme descendante)

12

Figure 1.3 Neurone biologique

20

Figure 1. 4 Perceptron MultiCouches (MLP)

20

Figure 1.5 Neurone simple

21

Figure 2.1 Limites du massif des Aurs

25

Figure 2.2 Synthse gologique des Aurs propose par Benmessaoud

26

Figure 2.3 Extrait de la carte localisant les stations pluviomtriques et codes


correspondants relatifs la rgion desAurs.
Figure 2.4 Extrait de la Carte des prcipitations annuelles moyennes de lEst
algrien tablie par lANRH.
Figure 2.5 Extrait de la carte des tempratures moyennes annuelles

27
30
31

Figure 2.6 Extrait de la carte dvapotranspiration potentielle annuelle moyenne de


lEst algrien

32

Figure 2.7 Extrait de la carte tablie par Gaussen et Vernet

33

Figure 2.8 Extrait de la Carte simplifie des zones bioclimatiques de lEst algrien 34
Figure 2.9 Rseau hydromtrique de lEst algrien et bassins jaugs

34

Figure 2.10 Extrait de la carte des apports annuels moyens des bassins jaugs de
lEst algrien (priode moyenne : 1972/73-1983/84).
Figure 2.11 Effet saisonnier des crues observes Foum El Kherza

35
36

Figure 2.12 Variation mensuelle des classes de crues suprieures 20 (m 3/s)


Foum El Kherza

36

Figure 2.13 Crues observes El Kantara et Djemorah

37

Figure 2.14 Crues observes Chemorah

37

Figure 2.15 Crues observe Foum El Gueiss saison chaude

37

Figure 2.16 Crues observes Foum El Kherza (a) saison froide, (b) saison chaude 38
Figure 2.17 Hydrogramme de crue observ Foum El Kherza le 15/05/2011

38

Figure 2.18 TSS moyen annuel estim dans quelques stations hydromtriques de la
rgion des Aurs.

41

Figure 2. 19 Barrages rservoirs dans la rgion des Aurs

42

Figure 2.20 Courbes Capacit-Hauteur ( 1967, 1975, 2004 et 2007)

44

Figure 2.21 Rservoir Foum El Kherza

45
iv

Figure 2.22 Rservoir Fontaine des Gazelles

46

Figure 2.23 Rservoir Babar

47

Figure 2.24 Rservoir Koudiet Mdaouar

48

Figure 2.25 Rservoir Foum El Gueiss

49

Figure 2.26 Bilan hydrique (en %) du barrage Foum El Kherza (1967/2010)

50

Figure 2.27 Bilan hydrique du rservoir Foum El Kherza (2000/2010)

51

Figure 2.28 Bilans hydriques mensuels (1987/1988 et 2003/2004)

52

Figure 2.29 Bilan hydrique (en % ) du rservoir Babar (2002/2013)

52

Figure 2. 30 Bilan hydrique interannuel du rservoir Babar (2002/2013)

53

Figure 2.31 Bilans des annes 2002 et 2010 du rservoir de Babar.

53

Figure 2.32 Bilan hydrique (en % ) du barrage Foum El


Gueiss (2001/2013)

54

Figure 2.33 Bilan interannuel du barrage de Foum El Gueiss (1993-2013).

54

Figure 2.34 Bilan hydrique mensuel du rservoir de Foum El Gueiss (2013).

55

Figure 2.35 Bilan hydrique Bilan hydraulique (en % ) du rservoir Fontaine des
Gazelles (2002/2011).

55

Figure 2.36 Bilan hydrique interannuel du rservoir Fontaine des Gazelles


(2002/2011)

56

Figure 2.37 Bilan hydrique mensuel du rservoir Fontaine des Gazelles


(2008/2009)

56

Figure 2.38 Bilan hydrique mensuel du rservoir Koudiet Mdaouar (2008/2009)

57

Figure 3.1 Apports liquides mensuels Foum El Kherza (Sept 1967- Aout 2010)

61

Figure 3.2 Moyennes et Ecarts type mensuels des apports liquides (1967-2010)

62

Figure 3.3 Q-Q plot normale des dbits mensuels dapprentissage (1967-2004)

64

Figure 3.4 Q-Q normale de la srie normalise

64

Figure 3.5 Corrlation et Auto corrlation partielle relatives la srie transforme

65

Figure 3.6 Analyse des rsidus du modle AR(5)

66

Figure 3.7 Analyse des rsidus du modle ARMA(1,1)

66

Figure 3.8 Prvisions pour une anne par X-12-ARIMA et celles observes

67

Figure 3.9 Architecture dun TDNN unidimensionnel

68

Figure 3.10 Apports simuls et apports Observs (phase de validation)

70

Figure 3.11 Structure du modle hybride SARIMABP.

70

Figure. 3.12 Volumes annuels vapors.

72

Figure 3.13 Moyennes mensuelles des volumes vapors

73

Figure 3.14 Volumes vapors estims par rseaux de neurones et ceux observs

74

Figure 3. 15 Volumes annuels des fuites

75

Figure 3.16 Volumes mensuels des fuites en fonction du volume deau dans le
rservoir
Figure 3.17 Pluies annuelles (mm) (Sept1967- Aout 2010)

75
76

Figure 3.18 Moyennes mensuelles des pluies Foum El Kherza

76

Figure 3.19 Pluies mensuelle Foum El Kherza (Sept 1967- Aout 2010)

77

Figure 3.20 Q-Q plot normale des pluies mensuelles Foum El Kherza

77

Figure 3.21 Q-Q plot normale de la srie prnormalise

78

Figure 3.22 Historique des lchers annuels au niveau du rservoir de Foum El


Kherza

79

Figure 3.23 Historique des lchers moyens mensuels au niveau du rservoir Foum
El Kherza
Figure 3.24 Lchers historiques, Apports liquides et Besoins en eau du palmier
dattier
Figure 4.1 Apports liquides journaliers Foum El Kherza (Septembre 1967-Mai
20011).

79
82

87

Figure 4.2 Levs bathymtriques effectus Foum El Kherza.

87

Figure 4.3 Optimisation de la courbe cumulative des sdiments pigs

91

Figure 4.4 Bilan sdimentaire annuel

93

Figure 4.5 Perte du volume de stockage du rservoir Foum El Kherza.


Figure 4.6 Courbe cumulative optimise au pas de temps annuel

93
94

Figure 5.1 Approche propose

95

Figure 5.2 PDSE applique aux tats du systme et apports historiques (1967-2009) 103
Figure 5.3 Schma du MLP considr pour la simulation de lopration du rservoir 104
Figure 5.4 Rsultats de la simulation de lopration du rservoir par MLP (phase de
validation

104

Figure 5.5 Rsultats de la simulation par rseaux de neurones pour les tats
historiques

105

Figure 5.6 Courbes consignes en fonction de lenvasement du rservoir

vi

106

Liste des tableaux


Tableau 1 Le parc des grands barrages Algriens dont la capacit est suprieure
millions de m3
Tableau 2.1 Principales crues enregistres dans les Aurs

39

Tableau 2.2 Valeurs moyennes et maximales saisonnires du TSS.

40

Tableau 2.3 Barrages en exploitation et en construction dans la rgion des Aurs

42

Tableau 2.4 Fiche technique du barrage Foum El Kherza

44

Tableau 2.5 Fiche technique du barrage Fontaine des Gazelles

46

Tableau 2.6 Fiche technique du barrage de Babar

47

Tableau 2.7 Fiche technique du barrage de Koudiet Mdaouar

48

Tableau 2.8 Fiche technique du barrage de Foum El Gueiss

49

Tableau 3.1 Rsultats de simulation pour le modle TDNN

69

Tableau 3.2 Rsultats de simulation par le modle SARIMABP

71

Tableau 3.3 Estimation de lvaporation par rseaux de neurones et rgression

73

Tableau 3.4 Statistiques descriptives de la srie

77

Tableau 3.5 Rsultats de simulation du modle hybride SARIMABP.

78

Tableau 3.6 Besoins en eau du palmier dattier (sur la base de 120 palmiers/ha)

81

Tableau 4.1 Statistiques descriptives de la srie dapports journaliers

87

Tableau 4.2 Quelques valeurs du coefficient a pour des bassins algriens.

90

Tableau 4.3 Capacit de pigeage du rservoir Foum El Kherza.

92

Tableau 5.1 Srie synthtique gnre.

96

Tableau 5.2 Matrices de transitions

97

Tableau 5.3 Stocks et lchers objectifs

98

Tableau 5.4 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai)

99

Tableau 5.5 Indice (l*) des lchers optimaux (Avril, Mars, Fev, Janv)

99

Tableau 5.6 Indice (l*) des lchers optimaux (Dec, Nov, Oct, Sept)

99

Tableau 5.7 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai)

100

Tableau 5.8 Indice (l*) des lchers optimaux (Avril, Mars, Fev, Janv)

100

Tableau 5.9 Indice (l*) des lchers optimaux (Dec, Nov, Oct, Sept)

100

Tableau 5.10 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai)

101

Tableau 5.11 Indice (l*) des lchers optimaux (Avril, Mars, Fev, Janv)

101

Tableau 5.12 Indice (l*) des lchers optimaux (Dec, Nov, Oct, Sept)

101

Tableau 5.13 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai)

102

Tableau 5.14 Indice (l*) des lchers optimaux (Avril, Mars, Fev, Janv)

102

vii

10

Tableau 5.15 Indice (l*) des lchers optimaux (Dec, Nov, Oct, Sept)

102

Tableau. 5.16 Indices de performance pour diffrents volumes du rservoir

106

viii

Introduction gnrale

Introduction gnrale

Introduction gnrale
Bien que leau occupe prs de 70% de la terre, seulement 2,5 % de cette eau est douce, et
dont les deux tiers sont bloqus sous forme de glaciers situs dans les rgions polaires
(Simonovic 2009), elle nest gnralement pas disponible au bon moment au bon
endroit, parfois mme elle se trouve au mauvais endroit au mauvais moment (Jain and Singh
2003), de plus elle nest pas de la qualit quon espre.
Dans les pays en voie du dveloppement tout particulirement, un problme multiple li
leau : disponibilit, quantit, qualit et aussi impacts des inondations, entrave le
dveloppement conomique et social surtout avec la pression sur la demande en eau cause
de la croissance dmographique, lintensification des activits conomiques, et lamlioration du
niveau de vie. Dans le sens dun dveloppement durable, une intgration intersectorielle :

(socio-conomique, environnementale, considrations politiques et l'ingnierie) de la gestion


et non pas fragmente

des ressources en eau savre indispensable ayant pour but : le

maintien dun bon quilibre entre la ressource et l'usage.


Chaque anne, plus de 250 nouveaux barrages rservoirs sont construits dans le monde
(Nandalal and Bogardi 2007), refltant limportance donne ces ouvrages de stockage par
les tats et ceci malgr leurs effets nfastes sur lcosystme (Dams 2000).
Autrefois, leur but tait de stocker leau pendant la saison humide pour lutiliser dans la
saison sche, Aujourdhui, ils jouent un rle majeur dans le dveloppement conomique et
constituent le ple dintrt des milieux politiques, des grandes agences gouvernementales
centralises, des institutions internationales de financement et de lindustrie de construction
de barrages (Dams 2000) convaincus de leur contribution efficace la gestion des ressources
mondiales en eaux qui sont limites, mal rparties et pouvant prsenter de grandes variations
saisonnires.
Ltat algrien, conscient de limportance conomique de ces ouvrages, leur accorde un
intrt primordial et insiste aussi sur la ncessit de la formation dun encadrement de haut
niveau afin dassurer dans les meilleures conditions, lexploitation et lentretien de ces
infrastructures importantes aux incidences financires lourdes. (Tableau 1).

Introduction gnrale
Tableau 1 Ltat des grands barrages algriens dont la capacit est suprieure

10 millions de m3(source :MRE)


Dsignation

Nombre

Etudes : 1- en cours de lancement

20

2- en cours

14

3- Acheves

22

Volume rgularis
(Hm3/an)

190,62
640,15

En construction

14

1141,68

En exploitation

58

3063,67

Total

128

5036,12

Dans le monde, on peut distinguer deux types de rservoirs : les barrages buts multiples et
ceux but unique, ces derniers sont en plus grand nombre

(48 % environ) destins

l'irrigation (Lecornu 1998). Pour les barrages but multiples, l'irrigation tient galement la
premire place, l'hydrolectricit, lalimentation en eau domestique et industrielle, la
protection contre les crues, les loisirs et un moindre degr, l'levage de poissons et la
navigation. Ces ouvrages ncessitent de grands efforts, aussi bien sur les plans techniques et
environnementaux que sur le plan financier, par consquent, la phase dexploitation ou de
gestion des rservoir devient ncessaire, en temps rel ou long terme elle doit faire face aux
risques et aux incertitudes lies la fois au climat et la socit (Bogardi and Kundzewicz
2002). Le dveloppement de linformatique et sa puissance de calcul a fait introduire la
modlisation des systmes de ressources en eau permettant de simuler des situations relles et
vrifier la validit des stratgies de gestion dans le but dopter pour la plus optimale, et
daider mieux saisir et valuer les principaux facteurs l'origine d'un problme typique de
gestion ceci, dune manire relativement rapide et sr.
Faisant partie des systmes de ressources en eau, les bnfices attendus dun rservoir sont
fortement influencs par la faon avec laquelle il sera gr, il ne suffit pas seulement de bien
concevoir mais surtout de bien exploiter (Jain and Singh 2003). Depuis que Maass et al.
(1962) ont propos lutilisation des modles mathmatiques pour la rgularisation des
systmes de ressources en eau, les courbes consignes qui dfinissent le niveau de stockage
idal chaque saison ou anne ont t largement utilises. Lexploitant est tenu maintenir le
niveau deau prfix par la courbe consigne aussi troitement que possible tout en satisfaisant
les besoins en aval (Nandalal and Bogardi 2007).
2

Introduction gnrale

Ces courbes consignes montrent une certaine rigidit lorsque des situations imprvues
surviennent et responsabilisent le gestionnaire qui va agir selon ces comptences qui ne sont
pas forcment idales. Aujourdhui, une varit de mthodes est disponible afin de donner une
certaine flexibilit aux courbes consignes, elles peuvent tre classes en deux catgories :
Mthodes bases sur la simulation et celles bases sur loptimisation (Vedula and Mujumdar
2005) qui font gnralement lobjet dune combinaison une bonne analyse des systmes de
rservoirs.
Enonc du problme
La sdimentation des rservoirs algriens provenant de la forte rosion des bassins versants
est spectaculaire (Remini and Hallouche 2004). Elle diminue considrablement le volume
deau rgularis et pose aussi beaucoup de problmes techniques dans lexploitation des
ouvrages spcialement lobstruction des vidanges de fond et aussi elle influence la qualit des
eaux stockes.
La rgion des Aurs connue par son agressivit climatique, sa topographie accidente, ainsi
que beaucoup de facteurs favorisant lrosion, est dote de plusieurs barrages rservoirs dont
le but est de satisfaire les besoins de la rgion en eau principalement dirrigation. La plupart
de ces barrages sont sous lemprise dun envasement important. Cependant, lors de
llaboration des courbes consignes long terme, la prise en compte de lventuelle
sdimentation des rservoirs est nglige, ce qui peut conduire des courbes consignes ne
pouvant pas rpondre une rgularisation future meilleure, efficace et surtout durable de
ces rservoirs.
Objectif de ltude
Le principal objectif vis dans cette thse, est llaboration des courbes consignes en tenant
compte de la diminution du volume du rservoir par sdimentation dune part, et dautre part,
des alas climatiques pour un barrage situ en zone aride. Le rservoir barrage de Foum el
Kherza (W. Biskra) a t retenu du fait de limportance quil occupe pour la durabilit des
palmeraies dans la rgion des Zibans dune part, et dautre part, du fait de la disponibilit des
donnes

relatives

notamment celles

du bilan hydrique et aussi celles concernant la

sdimentation recueillies durant la longue priode de son exploitation.

Introduction gnrale

La Programmation Dynamique Stochastique Explicite sera retenue comme mthode


doptimisation de la gestion du rservoir. Les Rseaux de Neurones Artificiels sont choisis
comme outil de simulation de lopration du rservoir.
Contenu et organisation de la thse
Le prsent travail sarticule autour de deux parties dont la premire traite :

Au premier chapitre ltat de lart relatif la modlisation de la gestion des


rservoirs et diffrentes mthodes doptimisation et traite aussi les mthodes de
simulation de lopration des rservoirs accentue sur celle effectue par les rseaux
de neurones combins loptimisation.

Au deuxime chapitre, la caractrisation gnrale de la rgion des Aurs et qui en


grande partie est base sur des tudes antrieures. En deuxime lieu, la prsentation,
lanalyse et les diffrentes critiques concernant le mode actuel de la gestion de ces
rservoirs.

La deuxime partie de ce manuscrit se concentre principalement sur lapplication de la


Programmation Dynamique Stochastique loptimisation de la gestion du rservoir Foum El
Kherza choisi comme un cas reprsentatif des rservoirs de la rgion des Aurs soit:

Au troisime chapitre sur les diffrents termes du bilan hydrique et leurs modles
correspondants.

Au quatrime chapitre sur le modle destin lestimation long terme du volume


de la vase accumule dans le rservoir par optimisation dune courbe cumulative des
sdiments pigs.

Au cinquime chapitre sur lapplication de la PDSE comme outil doptimisation, et


la simulation par Rseau de Neurones Artificiels, tout en incluant la diminution du
volume utile du rservoir par sdimentation dune manire implicite.

Contributions apportes par la thse


Les principales contributions apportes par le prsent travail sont :

Elaboration de deux courbes cumulatives en sdiments pigs CTSC (Cumulative


Trapped Sediment Curve) 1 par optimisation , ceci, en combinant deux mthodes ; la
courbe de tarage et levs bathymtriques effectus au niveau du rservoir tout le long

Mthode propose par Dr G.L. Morris

Introduction gnrale

de son exploitation. Le premier rsultat obtenu avec cette approche a t publi dans
la revue des sciences hydrologiques (HSJ) volume 57 issue 7. Le deuxime, a t
prsent la 6me Confrence sur la Recherche sur les Ressources en Eau et
lEnvironnement ICWRER (juin 2103 Koblenz, Allemagne).

Application des Rseaux de Neurones Artificiels seuls ou combins pour la


modlisation de plusieurs termes du bilan hydrique ainsi que pour la simulation de la
gestion du rservoir.

Prise en compte de la diminution de la capacit active du rservoir long terme dans


llaboration des courbes consignes optimales pour une gestion durables et optimale
de la ressource.

Premire partie
Optimisation de la gestion des
rservoirs : Etat de lart
Les Aurs, Rservoirs et Gestion

Chapitre I
Etat de lart

Chapitre I

Etat de lart

1.1 Introduction
Loptimisation est une technique cherchant rsoudre analytiquement ou numriquement les
problmes, et consiste dterminer le meilleur choix parmi un nombre dalternatives
possibles au sens dun critre donn appel souvent : fonction objectif ou objective
function en admettant des hypothses et des contraintes prdfinies. Concernant les
rservoirs, leur gestion doit seffectuer dans le souci dassurer les tiages et crter les crues
ventuels.
1.2 Mthodes doptimisation
Les techniques doptimisation connues aussi sous le nom de programmation mathmatique
peuvent tre classes selon plusieurs critres, le plus souvent, elles sont classes selon le
problme et les quations impliques (Jain and Singh 2003; Loucks and Beek 2005;
Simonovic 2009; Wurbs 1997).
La forme gnrale dun problme doptimisation est :
Min ou Max f(x)

1.1

Sujet de:
gj (x) bj , j = 1, 2, ..., m
x0;

i = 1, 2 ... n

o :
x = vecteur des variables de dcision pour un rservoir par exemple les lchers.
n = Nombre total de variables de dcision.
g = contraintes.
b = valeurs donnes.
j = contrainte j.
m = Nombre total de contraintes.
Nous distinguons la programmation linaire et non linaire, la programmation dynamique
dterministe et stochastique, programmation gomtrique etc. Les mthodes les plus

Chapitre I

Etat de lart

communment utilises pour la gestion des rservoirs sont la programmation linaire et celle
dynamique avec ces diffrentes formes (Yeh 1985).
1.2.1. Programmation linaire (PL)
La mthode doptimisation sous contraintes la plus simple et la plus populaire est la
programmation linaire (PL) dite du simplexe(Jain and Singh 2003; Loucks and Beek 2005;
Nandalal and Bogardi 2007; Reddy 2006; Simonovic 2009; Vedula and Mujumdar 2005),
dans cette technique, la fonction objectif ainsi que les contraintes sont des fonctions linaires
des variables de dcision, cette mthode tient sa popularit du fait de la disponibilit

dune

large gamme de codes pour la rsolution doptimisation des problmes linaires.


Seule ou combine, cette mthode trouve son application dans les problmes de gestion des
barrages rservoirs (Foued and Sameh 2001; Regulwar and Kamodkar 2010; Reis et al. 2006;
Satishkumar et al. 2010; Sudha et al. 2006).
1.2.2. Programmation Non Linaire (PNL)
Contrairement la Programmation Linaire, dans la Programmation Non Linaire (PNL) la
fonction objectif ainsi que les contraintes sont toutes fonctions non linaires des variables de
dcision (Jain and Singh 2003; Loucks and Beek 2005). Cette mthode bien que moins
clbre que la programmation linaire, trouve son application dans les problmes de gestion
des rservoirs (Chu and Yeh 1978; Duren and Beard 1972; Lee and Waziruddin 1970) .
Les principaux inconvnients de cette mthode sont lespace important quelle require et la
vitesse relativement lente pour la convergence.
1.2.3 Programmation Dynamique (PD)
La Programmation Dynamique a t lev au rang de mthode gnrale de rsolution avec les
travaux de Bellman (1962) qui la justifie avec le principe doptimalit. Elle consiste aborder
les problmes doptimisation avec une stratgie consistant en deux points essentiels:
1. Dcomposer un problme de n variables de dcision en n sous problmes avec une
variable de dcision.
2. tablir une relation de rcurrence entre les solutions optimales des problmes.
Lavantage le plus marquant de cette technique est quelle permet de prendre en compte des
fonctions objectif non linaires ou non linarisables (Parent 1991), et aussi tenir compte des
alas hydrologiques.
9

Chapitre I

Etat de lart

Yakowiz (1982) a prsent ltat de lart en la matire de lapplication de la programmation


dynamique.
Dans leur excellent ouvrage Nandalal et Bogardi (2007) ont prsent lapplicabilit et les
limites de la programmation dynamique dans la gestion des systmes de rservoirs en se
basant sur des exemples dans le monde entier.
Loucks et al. (2005; 1981) ont introduit sous une forme didactique trs simple la
programmation dynamique en tant que technique doptimisation traditionnelle et efficace pour
la gestion des systmes de ressources en eau en gnral, et pour la gestion des barrages en
particulier.
Vedula et Mujumdar (2005) ainsi que Karamouz(2003a) ont prsent lapplication de la
thorie de la programmation dynamique principalement pour les systme de rservoirs.
1.2.2.1 Principe de la Programmation Dynamique
La formulation utilise trois types de variables :

Variable dtat du systme : dfini ltat du systme, dans un systme de rservoir,


la variable dtat peut tre le niveau de leau dans le rservoir S.

Variable temps : dfini lordre avec lequel un changement dtat du systme survient.

Variable de dcision : la variable donne laction du gestionnaire (ex. les lchers R)

La programmation dynamique est aussi dfinie par :

la fonction dvolution du systme : Elle reprsente la fonction de passage dun tat


S(t) linstant t vers un tat S(t+1) linstant t+1 suite une dcision R(t) prise
linstant t.
Dans le cas dun rservoir, cette fonction dvolution ne peut tre que lquation du
bilan hydrique ou de continuit (Figure1.1). En ngligeant lvaporation, le volume
dvers, les infiltrations on a:
S (t + 1) = S (t ) + I (t ) R (t )

1.2

O :
S(t+1) : Volume restant dans le rservoir linstant t+1 aprs la dcision du lcher
R(t).
10

Chapitre I

Etat de lart

S(t)

: Volume initial linstant t dans le rservoir

I(t)

: Apport liquide au rservoir linstant t.

R(t) : Dcision dun lcher linstant t.

Figure 1.1 Bilan hydrologique pour un rservoir (cas simplifi dun rservoir isol en
ngligeant lvaporation, le volume dvers et les infiltrations)

Contraintes du systme : Lquation du bilan hydrique ne peut seffectuer que sous


contraintes, ces dernires peuvent tre dordre physique (capacit maximale du
rservoir, dbit maximal lcher etc. ) ou cologique ex. maintien dun dbit minimal
dans le rservoir pour prserver le milieu aquatique (Pabiot 1999).

Fonction objectif : afin doptimiser les lchers on se fixe priori un ou plusieurs


objectifs. Ces objectifs visent optimiser la performance du systme en termes de cot
ou de gain (min ou max). Un rservoir destin lirrigation peut avoir comme fonction
objectif la minimisation du carr de lcart demande-lcher. Un rservoir destin
la production dlectricit peut avoir comme objectif laugmentation de la production
de lnergie lectrique etc. lorsquil sagit dun rservoir but multiples ces objectifs
sont somms afin de trouver un compromis entre diffrents usages qui sont parfois
contradictoires.

On note deux formes de rsolution de lquation rcursive de Bellman : la rsolution


ascendante (Foreward) ou descendante (Backward), compte tenu des conditions
initiales donnes du systme de rservoirs (Geng 2009). La figure 1.2 montre un
exemple dun processus multi-tats forme descendante: Soit S(t) ltat du systme
linstant t , et R(t) la dcision prise linstant t, et C(t) le cot cet instant
correspondant ltat S(t) et la dcision R(t). le rsultat de cette dcision et le passage
du systme de ltat S(t) ltat S(t-1), ce qui reprsente la donne dentre linstant
t-1.

11

Chapitre I

Etat de lart

Figure 1.2 processus multi-tats (forme descendante).

Equation rcursive de Bellman (descendante) :

f j ( S j ) = Max ( ou min)
R

[B

(S j , R j ) + f

j +1

(S

j +1

1.3

O :

f j* ( S j )

: Cot optimal ltat j tant donn un stock Sj

B j ( S J , R J ) : Cot ou contribution de la dcision du lcher Rj tant donn un stock Sj

f j*+1 (S j +1 )

: Cot optimal cumul partir des tats : j+1, j+2, j+3 , N

Sj

: Etat du systme (rservoir) (stock j )

S j +1

: Transformation de ltat du systme (rservoir) suite la dcision Rj

Rj

: Dcision prise ltat j

: Etat du systme

Lquation 1.3 dcrit une approche dterministe de loptimisation, en dautre termes, ce qui
est arriv dans le pass arrivera dans lavenir ce qui nest pas exacte lorsquil sagit des
systmes de ressources en eau o des incertitudes sont multiples :

Des incertitudes lies aux paramtres hydrologiques principalement les apports,


les prcipitations et mme lapport solide etc.

Des incertitudes lies aux changements des objectifs durant lexploitation des
rservoirs.

Des incertitudes lies la demande si elle est bien dfinie dans le future ou non.

Des incertitudes lies aux contraintes.

12

Chapitre I

Etat de lart

A cause de ces incertitudes, lapplication de la Programmation Dynamique avec lapproche


dterministe est reste assez limite, ci-aprs quelques exemples de lapplication de cette
mthode :
Harley et Chidley (1978) ont utilis la Programmation Dynamique Dterministe (PDD)
afin de dterminer les lchers optimaux long terme pour un systme de rservoirs et ont
montr leffet de la taille des donnes et du rservoir sur les rsultats. Ces derniers compars
ceux de la simulation ont t satisfaisants.
Karamouz et Houck (1987) ont prsent les principaux rsultats issus de lapplication de la
Programmation Dynamique Dterministe (PDD) et celle Stochastique (PDS) et ont montr
que la PDS est plus performante pour les rservoirs de capacit infrieure 20% des apports
annuels moyens.
Philbrick et Kitanidis (1999) ont vrifi partir dun exemple dapplication lerreur induite
par lapproche dterministe de la Programmation Dynamique qui sous estime les consignes
dexploitation e.
En effectuant une analyse comportant deux fonctions objectifs diffrentes, et en appliquant
la Programmation Dynamique Dterministe, Khan (1996) a labor la courbe consigne court
et long terme pour les rservoirs Mangla et Tarbela en Pakistan.
Karamouz et al. (2003b) ont utilis la Programmation Dynamique Dterministe afin de
dterminer les lchers optimaux pour le rservoir Lar en Iran.
Dong (2005) a conclu en appliquant la Programmation Dynamique Dterministe couple
long terme et court terme pour le rservoir Geheyan en Chine, la performance du systme
selon le choix du modle de prvision des apports liquides.
1.1.2.2 Programmation Dynamique Stochastique
Les systmes de ressources en eau requirent une prise en compte adquate de la nature
stochastique des diffrents paramtres qui interviennent dans loptimisation (Vedula and
Mujumdar 2005).

Approche implicite (PDSI), Connue aussi sous le nom de la mthode de Monte Carlo
(Celeste and Billib 2009), cette approche utilise une srie temporelle des apports pour gnrer

13

Chapitre I

Etat de lart

plusieurs squences dapports synthtiques et rsoudre par la suite le problme pour chaque
squence comme tant un modle dterministe.
Cette mthode a t utilise pour la premire fois par Young (1967) afin dobtenir les rgles
de gestion dun rservoir.
Opricovic et Djordjevic (1976) ont utilis la PDSI afin dlaborer les consignes de gestion
dun systme de rservoirs but multiples situs dans le bassin de Vardar (Yougoslavie).
Mathlouthi et Lebdi (2008) ont tudi la fiabilit de la politique de gestion dun barrage par
la mthode de la Programmation Dynamique Stochastique implicite par vnements secs.
Celeste, Curi et al. (2009) ont utilis la Programmation Dynamique Stochastique Implicite
afin den tirer les rgles de gestion pour le systme Coremas-Me dgua (Bresil).
Kim, Heo et al. (2008) ont appliqu la Programmation Dynamique Stochastique Implicite
combine un modle dAlgorithmes Gntiques (NSGA-II) pour optimiser la gestion du
rservoir Soyanggan (Korea).
Draper (2001) a prsent un modle modifi de la PDSI (CALVIN) en incorporant le
facteur risque pour la drivation des rgles de gestion pour plusieurs types de systmes de
rservoirs.

Approche Explicite (PDSE), au lieu de considrer des squences dapports synthtiques,


cette approche considre la distribution de probabilits des apports et gnre des rgles de
gestion pour chaque combinaison stock-apport possible. Lapplication de cette approche donc
ncessite la connaissance de la manire avec la quelle lincertitude lie aux apports, aux
prcipitations etc. sera introduite (Rani and Moreira 2010).

Formulation du modle
Lquation rcursive descendante de Bellman dans le cas de la Programmation Dynamique
Stochastique Explicite scrit:

n
j

( S j ) = min {B ( S j , S
Rj

j +1

,I

}+

P p j, q f

n 1
j +1

(S

j +1

1.4

O :

B (S j, S

j +1

,I j)

Cot ou contribution de la dcision du lcher Rj tant donn un


stock Sj et un apport Ij

n 1
j +1

(S

j +1

14

Chapitre I

Etat de lart

Cot optimal cumul partir des tats : j+1, j+2, j+3 , N

Ppj,q

Probabilits de transition (la probabilit que lapport linstant


j+1 soit q en tant p linstant j :

P p j, q = P I

j +1

= q I

= p

Le terme ci-dessus joue un rle trs important dans la rsolution de lquation de Bellman
tant donn que ceci concerne les hypothses admises pour les variables alatoires (Apports,
Evaporation, Prcipitations etc.) (Jha et al., 2008)

Indpendance des variables alatoires: Si lindpendance de ces variables est admise,


ceci implique linexistence dune correlation entre la variable linstant j et celle
linstant j+1 la probabilit de transiton secrit alors : Pq = P ( I j +1 )
j

Dpendance des variables alatoires : Si par contre lhypothse de lindpendance


des variables alatoires nest pas admise, ce qui est plus prudent (Nandalal and
Bogardi 2007; Siqueira et al. 2006), ces dernires sont gnralement considres
suivre une chaine de Markov de premier ordre (Lloyd 1963; Phatarfod 1976).

Nombreux sont les ouvrages dtaillant lapplication de la Programmation Stochastique


Explicite et Implicite pour la gestion des rservoirs e. g.(Loucks and Beek 2005; Loucks et al.
1981; Vedula and Mujumdar 2005)
Siqueira, Zambelli et al.( 2006) ont compar diffrentes hypothses concernant les apports
liquides afin den tirer lutilit dadmettre des hypothses qui compliqueraient le modle dans
llaboration des rgles de gestion des rservoirs Sobradinho et Furnas (Brsil) et ont conclu
que stochastiques ou dterministes ces modles donnent des rsultats similaires.
De mme, Jha,Yorino et al. (2008) ont tudi leffet des differentes hypothses concernant
les apports liquides sur les rgles de gestion dun reservoir destin la production de
llctricit (Japon) et ont conclu que la dpendance des apports en les considrant suivre une
chaine de Markov dordre 1 donne des rsultats meilleurs.
De nombreuses applications de la Programmation Dynamique Stochastique Explicite pour
loptimisation de la gestion des reservoirs sont prsentes dans la literrature:

15

Chapitre I

Etat de lart

Oven-Thompson et al (1982) ont labor un modle de gestion du rservoir Aswan (Egypt )


afin dtudier le compromis entre la satisfaction des besoins en irrgation et ceux en lctricit.
Les rsultats ont montrs que les rgles d'exploitation optimises pour les demandes agricoles
augmentent de 11-20%

la production mensuelle de l'hydrolectricit alors que les allocations

d'irrigation d't sont rduites de 25%. Une simple analyse cots / bnfice conclut que les gains
obtenus dans l'hydrolectricit mensuelle sont presque gaux aux pertes dans le secteur agricole o les
lchers en t sont rduits de 5-10%.

Sule (1988) a utilis la PDSE avec dpendance des apports liquides afin dlaborer les
rgles de gestion du rservoir Shiroro (Nigeria). Les rsultats de simulation recommandent
que deux trois turbines peuvent tre mises en service avec un rendement de 45 50%.
Pabiot (1999) a utilis la PDSE en admettant lindpendance des apports et en introduisant
une pondration afin de tenir compte de deux objectifs diffrents afin de dfinir les rgles de
gestion de la retenue collinaire El Morra (Tunisie). Ces rgles de gestion ont t par la suite
simules pour apprcier leurs impacts sur lvolution du rservoir et sur les vnements
dommageables ventuels quelles entrainent.

1.1.2.2. La poisse de dimentionnalit Curse of dimentionnality


Llaboration simultane des rgles de gestion pour un systme de plusieurs rservoirs ne peut
se faire de manire isole pour chaque rservoir. Pour la Programmation Dynamique, la
discrtisation dense des tats du systme est faite afin de sapprocher le plus possible de
loptimum global, en appliquant cette discrtisation un systme de plusieurs rservoirs cela
impliquerait laugmentation exponentielle du nombre total des variables dtat discrtiss, ce
phnomne est connu sous le nom de la poisse de dimentionalit .
Plusieurs alternatives qui consistent en des drives de la programmation dynamique
stochastique visant maitriser ce problme telles que la stratgie daggrgation/dsagrgation
de Turgeon et Charbonneau (1998) et Serrat-Capdevilla et Valds(2007).
Wang, Yushitani et al. (2005) ont prsent un modle de gestion du systme Tones (Japon)
constitu des plusieurs rservoirs en parallles buts multiples bas sur la technique
ditration dcomposition.
1.2.2.3. Autres drives de la programmation dynamique stochastique
Ces drives de la PDS sont utilises afin de surmonter le problme de la poisse de
dimentionnalit , les plus rpandues dentre elles sont : Programmation Dynamique
16

Chapitre I

Etat de lart

Incrmentielle IDP (Larson 1968; Nandalal and Bogardi 2007), Programmation Dynamique
Stochastique Bayesienne (Karamouz et al. 2003a; Karamouz and Vasiliadis 1992; Mujumdar
and Nirmala 2007), la Programmation Dynamique Differentielle Contraintes (Murray and
Yakowitz 1979). Folded Dynamic Programming (Kumar and Baliarsingh 2003). La NeuroProgrammation Dynamique (Bertsekas 2007) qui est une mthode rcente qui utilise les
rseaux de neurones afin de rsoudre lquation rcursive de Bellman (Lamond et al. 2002).

1.3 Modles de simulation


Wurbs (1991) a indiqu que les modles danalyse des systmes sont communment classs
comme tant descriptifs (simulation) ou prescriptifs (optimisation). Les modles descriptifs
dcrivent le comportement du systme pour une dcision spcifie, contrairement aux
modles prescriptifs qui dterminent quelles dcisions doivent tre prises pour parvenir un
objectif donn. Cependant, une simulation dun systme de rservoirs peut tre intgre un
algorithme d'optimisation, comme la Programmation Dynamique Stochastique. De mme, un
modle doptimisation peut tre incorpor dans une simulation.
La simulation prsente lavantage de tenir en compte avec prcision de nombreux
paramtres, qui sont gnralement simplifis par les modles doptimisation (Goodier 1997).
On peut citer plusieurs modles de simulation qui sont fortement utiliss dans lopration des
systmes de rservoirs, surtout les plus complexes dentre eux.
Harvard Water Program prsent par Mass et al. (1962) est considr comme lun des
pionniers qui ont introduit loutil informatique dans la simulation des systmes de ressources
en eau.
Sans doute, les modles HEC (Hydrologic Engineering Center) de lUSACE (U.S. Army
Corps of Engineers) sont les plus utiliss et les plus anciens (1985; 1986; 2003) ces modles
libres sont mis jour quotidiennement et admettent leur intgration avec des outils de
spatialisation, ce qui rend leur utilisation trs rpandue dans lanalyse des systmes hydriques.
Wurbs (1991) dans son rapport , cite dautres modles tels que BRASS, SUPER, SSARR
dvelopps par lUSACE ainsi que CRSS de USBR, DWRSIM, et PRISM de John Hopkins
University, MITSIM du Massachusetts Institute of Technology (MIT) etc.
Notons que les modles sus-cits sont des modles de simulation conventionnels comme
dfinis par Wurbs (1991), et sont bass sur lapplication de lquation de continuit du
systme tudier et nintgrent aucune forme doptimisation.

17

Chapitre I

Etat de lart

Tableau 1.1 Modles de simulation conventionnels (Wurbs 1991).

1.4 Modles combins


La plus part des modles actuels combinent loptimisation et la simulation, pour lanalyse des
systmes de ressources en eaux tels que les systmes de rservoirs en essayant de trouver les
rponses chacune de son cot simuler quoi ? et la solution est elle la meilleure ? (Loucks

18

Chapitre I

Etat de lart

and Beek 2005). Cette combinaison utilise la fois la flexibilit de la simulation et lefficacit
de lexploration des tats des modles mathmatiques doptimisation (Sechi and Sulis 2007).
Dans la littrature plusieurs modles et applications utilisant cette approche : Jacoby et
Loucks (1972) ont explor plusieurs stratgies afin de combiner les deux modles de
simulation et doptimisation pour le systme Delaware River. Rani et Moreira (2010) ont
prsent un tat de lart sur lapplication des modles combins Optimisation-Simulation pour
la gestion des systmes de rservoirs.
A titre dindication, nous pouvons citer quelques exemples rcents de lapplication de cette
approche :
Khan et Tingsanchali (2009) se sont bass sur une approche Optimisation-Simulation afin de
driver les rgles de gestion des rservoirs de Mangla et Tarbela (Pakistan) et en considrant
lvacuation de sdiments du rservoir et ont conclu quen modifiant les rgles de gestion on
peut maximiser les bnfices nets
Zahraie et Hosseini (2009) on appliqu un modle de gestion intgr bas sur loptimisation
et simulation par algorithmes gntiques afin de driver les rgles de gestion du rservoir de
Zayandeh-rud (Iran).
Matcha (2011) en appliquant la PDSE au rservoir Srisailam a valu la performance des
rgles de gestion issues de loptimisation grce une simulation du systme considr.
Ziaei et al. (2012) ont combin les modle doptimisation LINGO le programme
doptimisation qui utilise la programmation linaire et le programme de simulation HEC-ResSim (USACE 2003) afin de driver les rgles de gestion du rservoir Zayandeh-rud (Iran).

1.5 Rseaux de Neurones Artificiels


Les mcanismes de cette approche reposent sur la ralit biologique en adoptant lhypothse
que le comportement adaptatif et la facult dacquisition des connaissances chez les tres
vivants sont grs par le systme nerveux. Donc, lobjectif est de construire un modle en
sinspirant du fonctionnement du systme nerveux en ne connaissant quune partie des
donnes.

19

Chapitre I

Etat de lart

Figure 1.3 Neurone biologique


Un neurone biologique (Figure 1.3) est une cellule qui se caractrise par :

Synapses : points de connexion avec les autres neurones.

Dentrites : signaux dentre.

Axone : signal de sortie.

Noyau qui active la sortie en fonction des stimuli en entre.

Par analogie, un neurone formel (ou artificiel) est conu comme un automate dot d'une
fonction de transfert qui transforme ses entres en sortie selon des rgles prcises.
Un rseau de neurones est compos dune succession de couches composes par un
ensemble de neurones et relies entre elles par un ensemble dinterconnexions pondres et
rptitivement modifies pendant la phase dapprentissage jusqu ce que la performance du
rseau atteigne le niveau dsir. Il existe de nombreux ouvrages traitant de la thorie des
rseaux de neurones et surtout leur applications aux problmes de ressources en eau, nous
renvoyons le lecteur plusieurs rfrences telles que (Abrahart et al. 2004b; Govindaraju and
Rao 2000).

Figure 1.4 Perceptron Multicouches (Multi Layer Perceptron)


La figure 1.4 reprsente un MLP 3 couches, une couche dentre, une couche cache et
une couche de sortie. Un aperu sur un simple neurone (Figure 1.5) montre que chaque
20

Chapitre I

Etat de lart

neurone a un nombre dentres xi associs des poids Wij. La somme est effectue sous
forme dune combinaison linaire des entres:

Figure 1.5 Neurone simple


n

= w0 + Wi xi

1.5

i =1

O
w0 est le biais
La sortie du neurone y est :
N

y = f (v) = f ( wi xi )

1.6

i =0

O la fonction f est la fonction dactivation du neurone.


Cette fonction peut tre une fonction didentit, sigmoide, logistique etc. La fonction
sigmoide tant drivable, est gnralement utilise afin de

permettre

lapplication de

lalgorithme de rtro-propagation, qui est une technique souvent utilise et reposant sur le
calucl du gradient appliqu toute fonction drivable.
f ( x) =

1
1 + ex

1.5.1 Apprentissage du rseau de neurones par rtro-propagation (backpropagation)


Pour un rseau apprentissage supervis, la rtro-propagation (backpropagation) ou descente
du gradient est la modification des poids Wi qui consiste minimiser l'erreur quadratique de
sortie Ep(W) (somme des carrs de l'erreur de chaque composante entre la sortie
relle(thorique) y id et la sortie dsire (mesure) y i (Chauvin and Rumelhart 2013).
Les poids Wet les biais W0 doivent tre initialiss alatoirement avant apprentissage (Khalil
2012).
Pour un rseau (l) couches ayant (n) entres et (m) sortie :

21

Chapitre I

Etat de lart
T

E (W ) = E p (W )

1.7

p =1

E p (W ) =

2
1 m d
yi (k ) yi (k )

2 i =1

1.8

k reprsente le numro ditration.


T Longueur de l'ensemble d'entranement
Aprs avoir calcul lerreur issue du premier vecteur dentre, on ajuste les poids jusqu ce
que lerreur soit infrieure la valeur fixe priori.
Les poids seront ajusts de la manire suivante :

Wijl (k + 1) = Wijl (k ) Wijl


Wijl = lr

1.9

E(W )
Wijl (k )

1.10

k le nombre ditrations.
Lr pas dapprentissage, son choix dfini la vitesse de convergence.
Afin daugmenter la vitesse de convergence pendant lapprentissage, un algorithme du
second ordre tel que celui de Levenberg Marquardt (Ribeiro 2005) est galement utilis.

1.5.2 Simulation de lopration du rservoir par Rseaux de Neurones


Les Rseaux de Neurones ont recemment eu avec succ une large application dans le domaine
des ressources en eau (Abrahart et al. 2004a; ASCE 2000a; ASCE 2000b). Pour la drivation
des rgles de gestion des rservvoirs :
Saad et al. (1996; 1994) ont utilis les Rseaux de Neurones du type MLP et Base
Radiale RBF afin de remplacer les relations linaires dans un problme de dsagrgation pour
la gestion du complexe La-Grande dHydro-Qubec.
Raman et Chandramouli (1996) dans leur original travail, ont appliqu un modle neuronal
sur les rsultats dune optimisation par Programmation Dynamique Deterministe et
Stochastique pour la gestion du rservoir Aliyar Tamil Nadu, Inde.

22

Chapitre I

Etat de lart

Chandramouli et Raman (2001) avec une approche similaire la prcdente, ont driv les
rgles de gestion du projet Parambikulam Aliyar, et ont conclu que la combinaison de la
Programmation Dynamique Stochastique au Rseaux de Neurones donne des rsultats
meilleurs que ceux donn par la rgression.
Cancellire et al. (2002) ont driv les rgles de gestion pour le rservoir Pozzillo, Salso
river dstin lirrigation bas sur une optimisation par Programmation Dynamique combine
aux Rseaux de Neurones.
Senthil et al. (2000) ont appliqu la gestion du rservoir Dharoi et pour deux differents
objectifs : lun pour le contrle des crues et lautre pour la conservation, et ont conclu que
lutilisation des Rseaux de Neurones amliore la performance de loptimisation.

Shahidi (2009) a valu les combinaisons de plusieurs modles bass sur la Programmation
Dynamique et les Rseaux de Neurones pour la gestion du rservoir de Khorasan, Iran.

Senthil et al. (2013) ont compar les rsultats obtenus par Rseaux de Neurones, logique
floue, et arbre de dcision M5 en utilisant les lchers optimum pour un rservoir destin
lirrigation et la production lectrique.

1.6 Conclusion
Dans cet aperu sur ltat de lart dans la gestion des rservoirs, La Programmation
Dynamique Stochastique seule ou combine reste largement utilise. Toutefois, la poisse de
dimensionnalit limite son utilisation des systmes peu complexes. Aussi, une attention
particulire ascendante portant sur lutilisation des outils issus de lintelligence artificielle,
combine aux mthodes classiques doptimisation, surtout, lorsquil sagit dune gestion dun
systme de rservoirs o la poisse de dimensionnalit est une contrainte pour la convergence.

23

Chapitre II
Les Aurs, Rservoirs et Gestion

Chapitre II

Les Aurs, Rservoirs et Gestion

2.1 Contexte physique de la rgion des Aurs


LAurs forme le massif principal de l'Atlas prsaharien dans llgrie orientale, il est
compris dans le triangulaire Batna, Biskra et Khenchela (Figure2.1), et considr comme une
des rgions les plus individualises de lAfrique du nord, non seulement en offrant un paysage
dune beaut grandiose, mais aussi, en tant le pays de toutes les rsistances par sa
constitution physique dune part, et par le caractre de ces habitants dune autre part. Cette
individualit lui a permis dadopter autrefois une conomie autarcique, cette dernire a
disparu depuis lindpendance et le dveloppement en train.

Figure 2.1 Limites du massif des Aurs (Benmessaoud 2009).


2.1.1 Synthse gologique
Les Aurs sont limits par trois faades diffrentes Mitard (1941) :

Les plateaux du nord comprenant toute la faade nord et les parties nord des faades
ouest (plateau de Mac-Mahon) et est (plateau de Tamagra).

Le Djebel Cherchar, dans la partie sud du bord est, entre Bled Kalaa-et-Trab et
Khangat- Sidi-Nadji.

L'arc subaurasien semi-dsertique, au sud-ouest et au sud, fait alterner trois


dpressions profondes (Plaine du Hodna, Plaine des Outayas et Zibans orientaux, de
Biskra Khangat-Sidi-Nadji) avec deux rgions de limites moins nettes.

25

Chapitre II

Les Aurs, Rservoirs et Gestion

Du point de vue topographique, les traits dominants de la tectonique sont orients dans
lensemble sud-ouest ouest-nord est, les lignes principales, valles et crtes sont galement
orientes vers la mme direction (Mitard 1941).
Le travail de rfrence qui a concern le massif des Aurs est certes la thse de R. Laffitte
(1939), relativement ancienne, mais demeure dactualit (Boulhais ; Meharzi 2010).Dans cet
aperu, nous nous baserons sur les travaux de synthse antrieurs de (Benmessaoud 2009;
Meharzi 2010).
2.1.1.1 Anticilinaux

Djbel Metlili culmine 1496m, le Turonien est reprsent par des masses de calcaire
compact avec rares intercalations marneuses avec une superposition du Snonien.

La limite sud-est de la plaine dEl Kantara est constitue par une srie de Djebels
moyennement levs o le Mastrichtien et le Campanien forms de calcaires et de
marnes noires-dominent.

Le plus long chanon du massif est celui du Djebel Lazreg, il stend de la plaine dEl
Outaya au sud-ouest celle de Mdina au nord-est. Djebel Azreg proprement dit
culmine 1937m et il est form dune norme masse de Portlandien (dolomies) et de
Kimmridgien suprieur (marnes et calcaires marneux).

L'Ahmar Khaddou constitue le crt externe du grand val de Roufi; il domine la


retombe aurasienne sur le pimont saharien (Tihay 1973), du point de vue
lithologique, les calcaires du crtac suprieur forment une falaise subverticale
reposant sur une paisse srie de marnes rares bancs calcaires. (Tihay 1973)

Ichmoul Chlia est coup en deux par deux cassures qui encadrent la plaine de
Mdina. Ces deux Djebel qui culminent respectivement 2066 m et 2326 m sont
occups progressivement du sud-ouest vers le nord-est par lAlbien, lAptien puis le
Barrmien c'est--dire essentiellement de grs mlangs avec les marnes rouges et
vertes ainsi que de calcaires, calcaires grseux et dolomies (Meharzi 2010).

2.1.1.2 Synclinaux

El Kantara, un synclinal d'orientation est-ouest clbre par ses gorges creuses par les
eaux au niveau de son flanc Nord dans des formations d'ge Campanien, Maastrichtien
et ocne d'inclinaison sub-verticale.

Oued Fdhala qui correspond toute la dpression qui se situe au sud de Batna. Des
lentilles de calcaire qui correspondent souvent des gisements de Rudistes, intercales
dans les marnes Turoniennes formant des escarpements calcaires ou Kefs.
26

Chapitre II

Les Aurs, Rservoirs et Gestion

Bouzina, trs allong, il se suit depuis le bassin Miocne dEl-Outaya jusquau bassin
Nogne de Timgad, sous lequel il disparat. Il est constitu du Crtac suprieur et de
lEogne autrement dit de calcaires Mastrichtien, des poudingues au milieu des
marnes et des calcaires. Le reste du Palocne se compose de marnes blanches et de
calcaires graveleux. Plus au nord, nous y trouvons le Pontien infrieur constitu de
marnes, grs et sables rouges, sans oublier un peu de quaternaires dans sa partie
centrale.

Rhassira, celui-ci est le plus important du massif de lAurs. Il nat sur le bord sud-est
du bassin dEl-Outaya et comporte essentiellement les dpts de lEocne dans sa
partie nord-est (Djebel Arhane et Ras Berdom) et dans sa partie sud-est (au pied du
Djebel Ahmar Khaddou) soit des calcaires massifs du Londonien soit des marnes
blanches, des calcaires du Palocne. De lOligocne, visible surtout dans sa partie
nord - ouest au pied du Djebel El-Krouma et du Djebel Takhounnt o le synclinal est
trs rgulier et form de marnes rouges gypse grs, conglomrats , brches.

De taille plus rduite, on distingue le synclinal dAoures dans la partie nord-est du massif de
lAurs, et celui de Tirhza Ferradj /Djehfa pied sud et parallle lanticlinal de Khenchela.

Figure 2.2 Synthse gologique des Aurs propose par Benmessaoud (2009)

27

Chapitre II

Les Aurs, Rservoirs et Gestion

2.1.1.3 Hydrographie : Ecoulement endorique


Le massif de lAurs comprend six bassins versants, tous coulement endorique,
coulement permanent ou temporaire dans deux directions gnrales soit quatre au sud et trois
au nord :

Oued El Arab dune superficie de 2600 km2 , il rsulte de la confluence de loued


Mellagou et de loued Labiod qui prennent leurs sources respectivement au Djebel
Chlia et au Djebel Adel. Il reprsente la limite exacte du massif qui le dlimite des
monts des Nememchas.

Oued

Labiod totalisant une superficie de prs de 1300 Km, il reprsente la

confluence de torrents descendants des pentes du Chlia et dIchemoul qui traversent


Tighanimine, Rhoufi, et M'chouneche et se jetant la fin dans les gorges du barrage
de Foum El Kherza (189m).

Oued Abdi dune superficie de prs de 600 km prenant sa source au pied du Djebel
Mahmel qui culmine 2321m pour rejoindre lOued Biskra dans le sud.

Oued Fedhala qui se situe plus louest, au pied du Djebel Ich Ali et qui culmine
1809m.

Oued Taga prennant sa source djebel Mahmel. Au nord de Timgad, il reoit loued
Reboa endigu par le barrage de Koudiat Mdaouar.

Oued Boulefreis qui prend sa source dans le Djebel Chlia 2300m daltitude Il
descend en traversant le Djebel Islef Bou el Arouah, vers la plaine de Boulefreis o il
et se perd dans le Garat el Tarf soixante-dix kilomtre plus loin.

Oued Issaoul il prend sa source dans le massif de lAurs au Djebel Adel, sa sortie
de lAurs, il prend le nom dEl Gueiss o lancien barrage de Foum El Gueiss est
rig.

2.1.2 Aperu climatique


La mesure quantitative et qualitative des lments du cycle hydrologique et la mesure des
autres caractristiques de l'environnement qui influent sur l'eau constituent une base
essentielle pour une gestion efficace de l'eau". (Dclaration de Dublin, 1992). Donc, une
gestion efficace de leau se trouve directement influence par les nuances du climat, plus
spcialement par deux paramtres dterminants: pluviomtrique (conditionnant lalimentation
en eau des rivires) et vaporomtrique. (Mebarki 2004).

28

Chapitre II

Les Aurs, Rservoirs et Gestion

Les caractres climatiques de la bordure nord et de la bordure sud des Aurs diffrent
profondment, la temprature est beaucoup plus leve et les pluies sont beaucoup moins
abondantes Biskra qu Batna Busson (1900).
Le rseau pluviomtrique dans la rgion est assez toff puisquil compte plus de 14 stations
lintrieur comme lextrieur du massif. Cependant, linstabilit de fonctionnement de ces
stations, les lacunes et les erreurs entachent les sries dobservations (Mebarki 2004).

Figure 2.3 Extrait de la carte tablie par (Mebarki 2004) localisant les stations
pluviomtriques et codes correspondants relatifs la rgion des Aurs.
2.1.2.1 Prcipitations
La rpartition spatiale des pluies obit deux paramtres savoir ; la rpartition
hypsomtrique et la disposition du relief nord-est/ sud-ouest (Meharzi 2010).
Meharzi (2010) a fait ressortir trois secteurs :

Un secteur humide correspondant aux montagnes et aux sommets dpassant 1800 m


d'altitude.

Un secteur prcipitations moyennes oscillant entre 400 et 800 mm/an et


correspondant au versant nord du massif.
29

Chapitre II

Les Aurs, Rservoirs et Gestion

Un secteur sec dont les prcipitations moyennes oscillent entre 150 et 400 mm/an et se
rpartissent aussi bien l'ouest qu'au sud du massif.

Figure 2.4 Extrait de la Carte des prcipitations annuelles moyennes de lEst algrien tablie
par lANRH (Mebarki 2004)
2.1.2.2 Facteur thermique
La temprature joue un rle trs important dans le bilan hydrologique, car elle influence
lvaporation, facteur prpondrant du bilan, de plus, elle conditionne la croissance, l'activit
vgtative, la reproduction des vgtations.
Suite une analyse en trois tape, Mebarki (2004) a tabli une cartographie des isothermes
annuels en fonction du relief dans le rgion de lest (Figure 2.5). De cette carte, on peut
constater que les moyennes annuelles des tempratures sur l'ensemble de la rgion des Aurs
se situent entre 11 aux sommets du massif et 15 dans les hautes plaines et atteignent 20 C
au pimont sud.

30

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure. 2.5 Extrait de la carte des tempratures moyennes annuelles (Mebarki 2004)
2.1.2.3 Evapotranspiration
Faisant appel aux seules observations des tempratures moyennes mensuelles, donne
climatique disponible, ainsi que la mise au point de deux coefficients correctifs, mensuel
(Km compris entre 0,90 et 1,22) et rgional (Kr lu sur une carte disolignes variant entre 0,85
et 1,25 ), et enfin la prise en compte de le dure thorique des jours du mois (H en heures par
mois), facteur variable avec la latitude, ont permis lAgence Nationale des Ressources
Hydriques daboutir la formule suivante de lE.T.P. (en mm par mois) :

Sur la base de cette formule, Mebarki (2004) a construit partir de la somme des 12
grilles des E.T.P. mensuelles la carte de lE.T.P. annuelle moyenne (Figure 2.6).
Sur cet extrait, on peut distinguer les valeurs comprises entre 900 et 1200 mm, qui pousent
principalement les sommets les plus levs de lAurs, les hautes plaines se caractrisent par
des courbes de 1300 1500 mm. Le pimont sud des Aurs est balay par des lames
dvapotranspiration comprises entre 1600 et plus de 2200 mm.

31

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure 2.6 Extrait de la carte dvapotranspiration potentielle annuelle moyenne de lEst


algrien (Mebarki 2004)
2.1.2.4 Le vent
Le massif de lAurs se trouve juste la conjonction des deux courants atmosphriques que
sont les courants nordiques polaires et les courants subtropicaux qui sont canaliss par les
massifs montagneux que sont le Belezma et lAurs ainsi que par les monts qui forment les
valles, ce qui justifie la prdominance des vents dirigs dans la direction sud-ouest un peu
moins de nord-est (Meharzi 2010).

2.1.3 Couvert vgtal


La connaissance du couvert vgtal dune rgion nous renseigne sur son aptitude
lcoulement, et surtout sa vulnrabilit lrosion qui est un facteur dcisif de la dure de
vie des retenues et rservoirs. La rgion des Aurs, malgr quelle a parachev une
dgradation multisculaire de son couvert vgtal, demeure riche en espces vgtales qui
sont principalement conditionnes par laltitude.
Plusieurs tudes ont concern la cartographie du couvert vgtal du nord de lAfrique nous
citerons celle tablie par Gaussen et Vernet (1958) complte par la suite par Mebarki (2004)
(Figure2.7). Sur cette carte, on peut constater que le couvert dans la rgion dtude est
particulirement conditionn par le facteur altitudinal.
Le cdre prsent au-dessus de 1400 m (Djebel Chlia), et dans le massif de Belezma,
caractriss par une longue dure denneigement.

32

Chapitre II

Les Aurs, Rservoirs et Gestion

Le chne vert sur le versant nord, succde au cdre, au-dessous de 1400-1500 m, par
exemple sur le Djebel Chentgouma et la base du versant nord du Chlia (Ballais 1989).
La fort de pins dAlep occupe des espaces considrables, en particulier sur le versant sud et
dans lest o le bloc de la fort des Beni Meloul, une des plus belles dAlgrie.
Les forts-steppes de genvrier qui font figure de paysage steppique, se rencontrent
principalement dans la partie occidentale des Aurs. Elles couvrent lessentiel du versant sud
du massif, en-dessous de 800 1100 m selon lexposition et elles couvrent la totalit des deux
pimonts. Constituant ainsi la plus vaste formation vgtale (Ballais 1989).
Les Oasis qui doivent leur puissante originalit la matrise de leau. Cest une vgtation,
totalement artificielle mais trs riche. Larbre privilgi, cest le palmier-dattier, qui apparat
vers le sud ds El Kantara, Menaa et Rhoufi.

Figure 2.7 Extrait de la carte tablie par Gaussen et Vernet (1958)


et complte par Mebarki (2004).

De tout ce qui prcde, on peut conclure sur le plan climatique, quavec des altitudes
leves et un couvert forestier relativement dense, et des prcipitations suprieures 600 mm
environ, les monts des Aurs sont climat subhumide (Mebarki 2004). Les pimonts sont
dominance semi aride avec une bande subaride troite du pimont mridional du massif au
sud faisant place laride au sud (Figure 2.8).

33

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure 2.8 Extrait de la Carte simplifie des zones bioclimatiques de lEst algrien tablie
daprs (Cte 1998) (Mebarki 2004).
2.1.4 Apports annuels des cours deau
Ltude concernant les apports des cours deau dans la rgion des Aurs a t mene par
Mebarki (2004). Ceci, dans la cadre de ltude hydrologique des bassins concernant lest
Algrien tout en prenant le soin dune slection dun nombre de stations hydromtriques
reprsentatives (Figure 2.9). Cette tude a permis dvaluer les dbits achemins par plusieurs
oueds de la rgion. Ces derniers sont relativement faibles et ce, malgr la contribution des
zones montagneuses (Mebarki 2004).

Figure 2.9 Rseau hydromtrique de la rgion des Aurs et bassins jaugs (Mebarki 2004)

34

Chapitre II

Les Aurs, Rservoirs et Gestion

En effet, loued El Arab drainant une superficie de 2 085 km2 vers le chott Melrhir,
enregistre un module de 0,67 m3/s la station de Khangat Sidi Nadji. Paralllement celui-ci,
les oueds Labiod Mchounche et El Hai El Kantara de superficies comparables (1 050 et
1 170 km2) coulent des dbits trs voisins (0,48 m3/s et 0,52 m3/s),
Sur le pimont nord de lAurs, loued Chemora, aliment lamont par loued Reboa,
apporte un dbit de 0,81m3/s en drainant une superficie de 765 km2. Le petit bassin de loued
Gueiss avec une superficie de 144 km2 fournit un apport moyen de 0,26 m3/s alimentant le
barrage de Foum El Gueiss, situ laval de la station de jaugeage (Figure 2.10).

Figure 2.10 Extrait de la carte des apports annuels moyens des bassins jaugs de lEst
algrien (priode moyenne : 1972/73-1983/84) (Mebarki 2004).

2.1.5 Les crues dans la rgion des Aurs


La maitrise des crues est un lment essentiel pour la durabilit des barrages rservoirs. Car
outre les risques quelles constituent sur la scurit les ouvrages, elles sont les principales
causes de la sdimentation en transportant les plus grands volumes de sdiments.
Vue le gradient daltitude assez lev entre les monts et les sebkhas ou chotts, aussi, la
nature des terrains et le couvert vgtal faiblement dense surtout au niveau des pimonts, la
rgion des Aurs est trs concerne par lagressivit des crues, sachant que dans la plus part
des cas, les crues qui y surviennent sont des crues clairs de fin de saison qui sabattent sur
des formations meubles, friables et dessches par les fortes tempratures.

35

Chapitre II

Les Aurs, Rservoirs et Gestion

Benkhaled, Rezgui et al. ((2013), en analysant les vnements


ments de crues enregistrs
enregistr entre
1950 et 2010 concernant loued Labiod ont montr leffet saisonnier sur loccurrence des
crues se produisant la plus part ddu temps en automne (Figures 2.11 ; 2.12)
2.12 et que lintensit
de ces crues est accentue en t.

Figure 2.11 Effet saisonnier des crues observes Foum El Kherza (Benkhaled
Benkhaled et al. 2013)
2013

Figure 2.12 Variation mensuelle des classes de crues suprieures 20


0 (m 3/s) Foum El
Kherza (Benkhaled et al. 2013)
Boumssenegh (2007), dans le cadre de son tude concernant le risque dinondation de la
ville de Biskra, a tudi les crues dans les bassins dEl Kantara et Djemourah et distingue
deux types de crues soient : les crues de saison froide durant les mois de fvrier et de mars
gnres par des prcipitations longues, rgulires et continues prsentant des
de intensits
moyennes leves et les crues de saison chaude, brves et localises caractrises
caractris
par une
dure et une extension spatiale plus faible que celle des crues de saison froide.
froid La mme
constatation peut tre extraite concernant les hy
hydrogrammes
drogrammes de crues, Chemorah, Foum El
Gueiss, et Foum El Kherza, pendant les saisons chaudes, les point
pointes
es sont nettement visibles
(Fig. 2.13 ; 2.14 ; 2.15).

36

Chapitre II

Les Aurs, Rservoirs et Gestion

Belagoun et Boutoutaou (2013), dans le cadre dune tude des crues concernant les bassins
05,06, et 07 concluent daprs les crues enregistres, que les diffrents basins de la rgion ne
sont pas affects de la mme puissance par les mmes crues. Ceci concerne aussi bien les
bassins du pimont nord que ceux du pimont sud des Aurs, ce qui dmontre la nature
localise des crues qui y surviennent particulirement en saison chaude.
En analysant les hydrogrammes des crues enregistrs Foum El Kherza de 1950 2010 ,
Rezgui (2014) note que la totalit des crues trs aigues se sont produites en septembre, et que
toutes les crues dont le dbit max instantan est suprieur 1000 m3/s prsentent une forme aigue
trs prononce telles que les crues du 10 octobre1966, 22 Avril 1995 et 30 septembre 2001.
Qmax=182.27 m3/s

Crue du 03/09/1981
Qmax=153.13 m3/s

Crue du 14/03/1996
Figure 2.13 Crues observes la station de Chemorah (Belagoun 2012)

Oued Djemorah (Q max=104.60 m3/s)


Oued El Hai (Qmax=53.90 m3/s)

Crue du 22/12/1981
37

Chapitre II

Les Aurs, Rservoirs et Gestion

Oued El Hai (Qmax=127.60 m3/s)


Oued Djemorah (Qmax=102.88 m3/s)

Crue du 29/08/1984
Figure 2.14 Crues observes aux stations dEl Kantara et Djemorah.(Boumssenegh 2007)

Qmax= 127.66 m3/s

Figure 2.15 Crue observe le 03/08/1990 Oued Foum El Gueiss (Mehemai 2009)

38

Chapitre II

Les Aurs, Rservoirs et Gestion

Qmax=2152 m3/s

Crue du 10/10/1966 (Rezgui 2014)

Qmax=48.06 m3/s

Crue du 19-20 janvier


Figure 2.1
2.16 Crues observes Foum El Kherza

La crue observe le 15 mai 2011 (figure 2.17) Foum El Kherza a t trs rapide, avec un
dbit maximal de 413.60 m3/s. Du fait du comblement de la retenue par la vase, il y a eu surverse
sur la digue, heureusement que cette dernire est en bton. Ce qui nous amne rflchir sur le
sort des nouveaux barrages rig
rigs dans la rgion et qui sont en terre compacte et seront sans
doute envass.

39

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure 2.17 C
Crue observ Foum El Kherza le 15/05/2011.
15/05/2011
Tableau 2.1 Quelques crues enregistr
enregistres dans les Aurs (Belagoun 2012)

40

Chapitre II

Les Aurs, Rservoirs et Gestion

2.1.6 Apport solide


Malgr les luttes antirosives qui sont entreprises lors de toute projection dun ouvrage
hydrotechnique, surtout celle dun ouvrage de retenue, lrosion hydrique reste le problme
majeur qui contre une gestion durable des barrages rservoirs.
Comme pour les apports liquides, le dveloppement du rseau hydromtrique gr par
IANRH, a permis lacquisition dun nombre important de donnes sur les transports solides
en suspension des oueds algriens. Ce qui a favoris des tudes quantitatives assez pousses
sur lrosion actuelle et les coulements solides.
A cet effet, beaucoup de travaux ont concern ltude du transport solide dans des bassins
de la rgion des Aurs (Baazi 2002; Berkane and Yahiaou 2007; Boumssenegh 2007;
Bourouba 1996; Mehemai 2009; Tatar et al. 2012).
Dans ltude mene par Bourouba (1996), onze stations ont t slectionnes, dont quatre
ont concern la rgion des Aurs soient : celles de Mchounche et Khenguet Sidi Nadji
(Chott Melrir), Foum El Guess et Reboa (Hauts plteaux constantinois). Ces stations
prsentaient une srie dobservations hydrologiques communes (pluviomtrie, dbits liquides
et turbidit) dune priode allant du 1er septembre 1975 au 31 aot 1979. Le traitement
graphique et lanalyse gographique des phnomnes mesurables savoir : la pluie, les dbits
liquides et la turbidit ont fait apparaitre les diffrents rgimes de transport solide
caractrisant les rgions tudies.
Lautomne est la saison drosion maximale pour le bassin de loued Labiod avec un
Transport Solide Spcifique maximal de 540 t/km2 et une moyenne annuelle de 400 t/km2.
Notons que cette valeur est proche de celle estime partir dun polynme du quatrime
degr en fonction du dbit liquide par Baazi (2002) qui est de 344 t/km2 sur une srie stalant
de 1974-1988 de dbits solides et dbits liquides la station de Mchounche.
Aussi, lautomne est la saison drosion maximale pour oued Reboa avec un TSS max
de1940 t/km2 et celui de loued Arab avec un TSSmax de 849 t/km2. Lt est la saison
drosion maximale pour le loued El Gueiss avec un TSSmax de 354 t/km2. Ces fortes
valeurs de Transports Solides Spcifiques sont expliques par les orages dans les priodes de
lt et de lautomne.
Au bassin dEL Kantara (1660km2), le TSSmoyen est de 366t/km2 sur une srie de
donnes stalant de 1967 1993 et celui de Djemoura (586t/km2), il a t estim
41

Chapitre II

Les Aurs, Rservoirs et Gestion

1413 t/ km2 ceci dans ltude mene par Boumssenegh (2007).

Tableau 2.2 Valeurs moyennes et maximales saisonnires du TSS. (Bourouba 1996).


Automne
TSS
max
(1)
Anne

Hiver
TSS
TSS
Ecart TSS
max
moy (2) (1)/(2) moy (1) (1)

TSS
TSS
Ecart moy
Anne moy (2) (1)/(2) (1)

Reboa
Foum El
Gueiss

194

72-73

351

5.5

86

29

73-76

4.8

342

72-73

61

5.6

14

15

72-73

5.0

M'chounech
Khenguet S.
N.

540

75-76

191

2.8

133

310

76-77

46

6.7

849

72-73

254

3.3

155

22

74-75

2.8

Station

Printemps

Et
TSS
TSS max
TSS
Ecart TSS
max
(1)
Anne moy (2) (1)/(2) moy (1) (1)

TSS
TSS
Ecart moy
Anne moy (2) (1)/(2) (1)

Reboa
Foum El
Gueiss

202

72-73

112

1.8

97

672

72-73

126

5.3

35

94

75-76

36

2.6

26

354

77-78

97

3.6

54

M'chounech
Khenguet S.
N.

189

76-77

58

3.2

36

295

75-76

106

2.8

75

358

75-76

102

3.5

59

538

75-76

175

3.0

115

Station

TSS max (1) : Maximum saisonnier des Transports Solides Spcifiques en t /km2.
TSS moy(2) : Transport Solides Spcifiques moyens saisonniers en t/km.
Ecart (1)/(2) : Rapport des TSSmax(1) aux TSSmoy(2).
TSSmoy(1) : Moyenne saisonnire des TSS lexception du maximum saisonnier.

Figure 2.18 TSS moyen annuel estim dans quelques stations hydromtriques de la rgion
des Aurs (Boumssenegh 2007; Bourouba 1996).
42

Chapitre II

Les Aurs, Rservoirs et Gestion

Laperu prsent sur la gomorphologie, le climat ainsi que sur le rgime hydrologique
concernant la rgion des Aurs, nous renseigne sur les diffrentes difficults qui peuvent tre
rencontres lors de la gestion efficace des barrages de la rgion soient : les faibles valeurs des
apports liquides, les fortes valeurs de lvaporation, lagressivit des crues et leurs charges
importantes en apports solides.
Ensembles, ces paramtres vont contraindre une gestion durable des barrages dans la
rgion, particulirement, avec une demande accrue.

2.2 Les barrages rservoirs dans la rgion des Aurs


La disponibilit alatoire de leau dans la rgion des Aurs, ainsi que les besoins accrus en
eau pour lnergie, lirrigation et la consommation ont engendr des dcisions de construction
de barrages rservoirs bien avant lindpendance, soient ceux de Foum El Kherza (1950) sur
oued Labiod avec une capacit initiale de 47 hm3 et celui de Foum El Gueiss sur oued El
Gueiss (1939), avec une capacit initiale de 2.5 hm3. Aprs lindpendance, le barrage de
Babar (1995) sur loued Arab viendra sajouter aux deux premiers avec une capacit initiale
de 41 hm3.

Au dbut des annes 2000, deux autres barrages rservoirs vont tre mis en service, il
sagit du barrage Fontaine de Gazelles (2001) sur oued El Hai avec une capacit de 55.5 hm3
et celui de Koudiet Mdaouar sur oued Reboa avec une capacit de 82 hm3 ce dernier tant un
barrage tampon du grand systme Beni Haroun.
Deux autres barrages sont en cours de construction celui de Tagharist sur oued Tagharist et
celui de Bouzina sur loued Bouzina.

Tableau 2.3 Barrages en exploitation et en construction dans la rgion des Aurs


Barrage
Foum
Gueiss
Foum
Kherza
Babar
F.D.
Gazelles
Koudiet
Mdaouar
Tagharist
Bouzina

Capacit
Initiale (hm3)
2.5

Destination

Enrochement

Anne de
mise en eau
1939

Labiod

Vote-Poids

1950

47

Khenchela

Arab

Remblai

1995

41

Biskra

Hai

Remblai

2001

55.5

Batna

Reboa

Remblai

2003

82

Khenchela
Batna

Tagharist
Bouzina

Remblai
Remblai

En construc
En construc

4.6
22

Irrigation
Electricit
Irrigation
AEP
Irrigation
AEP
Irrigation
AEP
Irrigation
Irrigation

wilaya

Oued

Type

El

Khenchela

Gueiss

El

Biskra

43

Irrigation

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure 2. 19 Barrages rservoirs dans la rgion des Aurs (* En construction, ** Rservoir


tampon).
2.2.1 Fiches techniques des barrages
2.2.1.1 Barrage Foum El Kherza
Construit en 1950, le barrage de Foum El Kherza (Figure2.21) sur loued Labiod (1300 km2),
est considr comme un patrimoine national et reste un ouvrage glorieux qui mrite bien de
lui accorder un intrt particulier.
Au portes du Sahara, il a servi depuis sa mise en eau contribuer la durabilit de
lirrigation des palmerais de la rgion dfiant le temps et laridit du climat. Plusieurs tudes
ont t menes sur ce barrage, concernant surtout les problmes majeurs rencontrs durant
toutes ces annes dexploitations soient: lenvasement, lvaporation et

les fuites par

infiltration.
Un diagnostic visant controler ltat de sant du barrage ainsi que celui de la cuvette a
t tabli par le bureau dIngnieurs Conseils ISL (2006). Cette tude a prcis en dtails
tous les problmes rencontrs lors de lexploitation du barrage tels que les infiltrations et
lenvasement du barrage.
44

Chapitre II

Les Aurs, Rservoirs et Gestion

La retenue de Foum el Kherza connait des fuites deau importantes surtout travers les
appuis (Toumi
mi and Remini 2004
2004).. Seulement les fuites de la rive droite sont mesures partir
dun dversoir seuil triangulaire plac dans le tunnel dirrigation. Celles de la rive gauche ne
sont plus mesures cause de lenvasement du dispositif de mesure.
Depuis sa mise en eau en 1950, le rservoir a t objet de huit compagnes bathymtriques
1950, 1967, 1975, 1986, 1993, 2001, 2004 et la dernire en 2007 (Figure 2.20),
2.20 qui a rvl
une capacit de 12.9 hm3, ce qui indique que la vase occupe plus de 72
72%
% de la capacit du
rservoir, et si des oprations de dvasement ne seffectuent pas dans un avenir proche, le
rservoir ne sera pas en mesure de rpondre aux besoins des agriculteurs et donc, sera mis
hors service.

Figure 2.20 Courbes Capacit-Hauteur ( 1967, 1975, 2004 et 2007) (ANBT)


Vu limportance de ce rservoir dans la protection et la prservation du patrimoine de la
palmeraie de la rgion du Ziban, une opration de dvasement a t lance en 2006 afin de
rcuprer une capacit de 32 hm3. Malheureusement
eureusement jusqu ce jour, seulement la premire
tranche a t acheve juste avant le dernier lev bathymtrique en 2007 o 4hm3 de vases ont
t extraites. Selon le service dexploitation du rservoir, la deuxime tranche est en train de
se prparer.

45

Chapitre II

Les Aurs, Rservoirs et Gestion

Tableau 2.4 Fiche technique du barrage Foum El Kherza


Foum El Kherza (W. Biskra, 11 km Nord de Sidi Okba)
Coordonnes
Lat. 355108N Long. 55530E
Type
Combin poids vote
Evacuateur de crue
A surface libre dans la partie centrale
Vidange de fond
Galerie blinde 22 m, pertuis de vidange.
Prise deau
Tour semi-cylindrique accole lamont du barrage
trois niveaux dune capacit de 4m3/s pour
chaque prise
Hauteur (m)
73
NNR( m NGA)
198.90
Niveau de la crte (m NGA)
204.25
Niveau max (m NGA)
203.25
Longueur en crte
60 m ( cule ) +126 m ( voute )
Largeur en crte :
6.25 m ( cule ) + 3 m ( voute )
Epaisseur maximale en pied
22.1 m (cule ) + 8.4 m ( voute )
Rayon de courbure
80 m
47
Capacit initiale (hm3)
Mise en eau
1950
12.90
Capacit actuelle (hm3)
Lev bathymtrique 2007
Destination
Irrigation des palmeraies
Electricit abandonne

Figure 2.21 Rservoir Foum El Kherza (Google Earth, 2014)


46

Chapitre II

Les Aurs, Rservoirs et Gestion

2.2.1.2 Barrage de Fontaine des Gazelles


Construit en 2000, le barrage de Fontaine des Gazelles (Figure2.22) sur oued El Hai (1660
km2) est 35 km nord-ouest de la ville de Biskra. Sa construction rentre dans le cadre du
dveloppement agricole de la plaine dEl Outaya. Cest un barrage noyau central dot dun
vacuateur de crues en labyrinthe.

Tableau 2.5 Fiche technique du barrage Fontaine des Gazelles


Fontaine des Gazelles (W. Biskra, 35 km Nord de Biskra)
Coordonnes
Lat. 35 7 ; Long. 5 34E
Type
en terre noyau
Evacuateur de crue
surface libre type labyrinthe. 3000m3/s
Vidange de fond
Galerie de vidange. 25m 3/s
Prise deau
Tour cylindrique de 10 m de diamtre quatre
Niveaux dune capacit de 4m3/s pour chaque prise.
Hauteur (m)
42.5
NNR( m NGA)
384.00
Niveau de la crte (m NGA)
389.00
Niveau max (m NGA)
388.00
Longueur en crte
370 m
Largeur en crte :
8.50 m
Mise en eau
2001
54.57
Capacit actuelle (hm3)
Lev bathymtrique 2004
Destination
Irrigation de 1100 ha

Figure 2.22 Rservoir Fontaine des Gazelles (Google Earth 2013)

47

Chapitre II

Les Aurs, Rservoirs et Gestion

2.2.1.3 Barrage de Babar


Ce barrage draine une superficie de 567km2 sur oued El Arab la limite est des Aurs. Il est
destin lirrigation des terres limitrophes et aussi lalimentation en eau potable des
communes avoisinantes.

Tableau 2.6 Fiche technique du barrage de Babar


Barrage Babar (W. Khenchela 12 km de Babar)
Coordonnes
Lat. 35 9N ; Long. 71E
Type
Terre
Evacuateur de crue
A canal dcouvert. 1310 m3/s
Vidange de fond
Galerie de vidange. 25m 3/s
Prise deau
Tour de prise de 6 m de diamtre trois
niveaux
Hauteur (m)
37
NNR( m NGA)
940.00
Niveau de la crte (m NGA)
943.50
Niveau max (m NGA)
942.50
Longueur en crte
673 m
Largeur en crte :
7.5 m
3
Capacit initiale (hm )
41
Mise en eau
1995
3
Capacit actuelle (hm )
38
Lev bathymtrique 2004
Destination
Irrigation

Figure 2.23 Rservoir Babar (Google Earth, 2013)


48

Chapitre II

Les Aurs, Rservoirs et Gestion

2.2.1.4 Barrage de Koudiet Mdaouar


Le barrage de Koudiet Mdaouar est rig sur oued Reboa, drainant une superficie de 590 km2
est situ 7 km au nord-est de la ville de Timgad, ce barrage fait partie du grand systme de
Beni Haroun et ayant pour objectifs dassurer les besoins en eau potable et industrielle des
villes de Batna, Khenchela et Ain Touta et aussi lirrigation de plus 15700 ha de terres agricoles
dans les plaines de Batna, de Chemora et Ain Touta.

Tableau 2.7 Fiche technique du barrage de Koudiet Mdaouar


Barrage Koudiet Mdaouar (W. Batna 7 km de Timgad)
Coordonnes
Lat 35 32 Long 6 31
Type
Terre noyau
Evacuateur de crue
surface libre 2500 m3/s
Vidange de fond
Galerie de vidange.
Prise deau
Tour de prise
Hauteur (m)
48
NNR( m NGA)
992.50
Niveau de la crte (m NGA)
997.00
Niveau max (m NGA)
995.00
Longueur en crte
2270 m
Largeur en crte :
10 m
3
69
Capacit initiale (hm )
Mise en eau
2003
Destination
Irrigation , AEP

Figure 2.24 Rservoir Koudiet Mdaouar (Google Earth,2013)


49

Chapitre II

Les Aurs, Rservoirs et Gestion

2.2.1.5 Barrage Foum El Gueiss


Ce barrage trs ancien et trs beau est rig sur oued El Gueiss qui draine une superficie de
156km2. Il est envas plus de 90% , ceci mme aprs la 2me surlvation et linstallation
des hausses fusibles en 2005. LAgence Nationale des Barrages et Transferts envisage son
dvasement prochainement.

Tableau 2.8 Fiche technique du barrage de Foum El Gueiss


Barrage Foum El Gueiss (W. Khenchela 7 km de Kaiss)
Coordonnes
Lat 35 28 Long 6 56
Type
Enrochement avec masque en bton
Evacuateur de crue
seuil libre 600 m3/s
Vidange de fond
Galerie de vidange. 25m3/s
Prise deau
Tour de prise 3 niveaux
Hauteur (m)
23
NNR( m NGA)
961.90
3
Capacit initiale (hm )
2.5
3
Capacit dernier lev 2005(hm )
0.045
Mise en eau
1939
Destination
Irrigation plaine Remila , AEP Kais

Figure 2.25 Rservoir Foum El Gueiss (Google Earth,2013)


50

Chapitre II

Les Aurs, Rservoirs et Gestion

2.3 Gestion actuelle des barrages de la rgion


Comme pour tous les barrages et transferts en Algrie, la gestion des barrages est confie
lAgence Nationale des Barrages et Transfert
Transferts. Lagence utilise les consignes de gestion
tablies lors de ltude du projet afin dexploiter la ressource
ressource.. Ces consignes sont issues
i
des
tudes hydrologiques enn fixant les niveaux minimums qui doivent tre maintenus en cas
normal, comme en cas dtiage ou crue.
Les bilans hydriques
iques correspondants chaque rservoir et sur la base des donnes
collectes au niveau des services dexploitations des barrages concerns durant leurs annes
de mise en service sont prsents ci
ci-aprs.

2.3.1 Gestion du barragee de Foum El Kherza


Lanalyse
se des donnes dexploitation au niveau du barrage de Foum El Kherza pour la
priode (1967-2010) (Figure2.2
2.26) avec un apport moyen de 25.90 hm3, montre que le volume
dvers par lvacuateur de crues reprsente 42% des sorties. Le volume vapor net nest
pas ngligeable aussi (12%). Celui des fuites quant lui, est dune ampleur considrable
(11%) sans considrer les fuites non quantifies
quantifies, la cause principale est la nature karstique du
site du barrage.
sorties La vidange de
Le volume fourni pour lirrigation ne reprsente que (31%) des sorties.
fond reprsente seulement 4%
4%, cette dernire a connu beaucoup dee priodes darrt, ce qui
laisse dduire la non efficacit de cet ouvrage pour diminuer le volume de vase dans la
retenue.
Donc, plus de 60% des sorties sont des pertes malgr quelles sont en majorit collectes
laval du barrage.

Figure 2.26 Bilan


ilan hydr
hydrique (en %) du barrage Foum El Kherza (1967/2010)
(1967/2010
En examinant le bilan des dix dernires annes dexploitation (Figure 2.27), on constate
que cette priode a t caractrise par des apports annuels qui ont dpass
pass 100 hm3 pour les
51

Chapitre II

Les Aurs, Rservoirs et Gestion

annes 2004, 2005 et 2009.. Le volume dvers en parallle


parallle, tait important vu limportance
des apports dune part, et le comblement de la retenue par les dpts solides dune autre part.
part
La vidange na t relativement efficace que durant lanne 2009 avec un volume de 38 hm3.

Figure 2.27 Bilan hydr


hydrique du rservoir Foum El Kherza (2000/2010)
Le bilan hydrique de la retenue (Figure 2.28) pendant lanne 87/88 faible en apports (3.15
hm3), montre que dans cette anne
anne, aucun volume na t fourni lirrigation, la retenue tait
en fin de lanne un niveau trs bas (0.5 hm3), les fuites taient importantes malgr ce
volume (1.3 hm3).
Contrairement, lanne 2003/2004 tait excdentaire (135hm3), malheureusement, 103 hm3
de ce volume ont t

dverss soit 76% de lapport annuel, la cause principale tant

lenvasement de la retenue dont le volume ntait que 15 hm3. Notons que seulement 4 hm3
ont t vacus par la vidange de fond soit 2% ce qui montre quelle na pas t exploite
efficacement.

52

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure 2.28 Bilans hydr


hydriques mensuels (1987/1988
1987/1988 et 2003/2004)
2003/2004
2.3.2 Gestion du rservoir de Babar
Durant les dix annes dexploi
dexploitation, le rservoir de Babar ayant reu un volume de 260 hm3
29 % ont t dverss (Figure2.29
(Figure2.29).. Les premires annes dexploitation de la retenue ont t
marques par de volumes vidangs trs importants
importants, soient plus de 44 hm3 durant les annes
2002, 2003,2004 lirrigation na reu cependant que 25% de ces apports. Les fuites sont
ngligeables alors que lvaporation reprsente 17% , ce qui est relativement important.

Figure 2.29 Bilan


ilan hydr
hydrique (en % ) du rservoir Babar (2002/2013)
Les apports pendant
dant les annes 2002, 2003, 2004, et 2009 reprsentent plus de 60% du
volume total (Figure 2.30).. Cependant, la retenue ntait pas encore exploite,
exploite ce qui a
favoris le dversement. Lvaporation a gard un volume relativement
ement constant de 3.5 hm3
par an.

53

Chapitre II

Les Aurs, Rservoirs et Gestion

Figure 2. 30 Bilan hydr


hydrique interannuel du rservoir Babar (2002/2013)
En examinant les bilans mensuels pour les annes 2002 avec un apport de 49.5 hm3 et
2010 avec un apport de 8.7 hm3 (Figure 2.31) , on remarque que le volume deau dans la
retenue ntait pas beaucoup influenc, il est rest pratiquement constant entre (40 et 30 hm3)
ce qui nous permet de conclure que la retenue de Babar nest pas encore totalement exploite.

Figure 2.31 Bilan


Bilans des annes 2002 et 2010 du rservoir de Babar.
Baba
2.3.3 Gestion du rservoir de Foum El Gueiss
Lanalyse de la gestion actuelle de ce barrage nest prsente qu titre indicatif,
indicatif le barrage
tant envas plus de 90% .

54

Chapitre II

Les Aurs, Rservoirs et Gestion

Le bilan hydrique du rservoir montre que pour les dernires annes et avec des apports de
207 hm3, dversements et vacuations par vidange de fond reprsentent plus de 90% du
volume total des apports (Figure 2.32).

Figure 2.32 Bilan hydrique (en % ) du barrage Foum El Gueiss (2001/2013)

Lhistorique de la gestion du rservoir montre aussi que les apports liquides ont nettement
diminus durant la dernire dcennie. Durant les annes 90 les apports annuels dpassaient 80
hm3 (1993, 95, 96, 97 et 98) (Figure2.33).

Figure 2.33 Bilan interannuel du barrage de Foum El Gueiss (1993-2013).


Durant lanne 2013 et avec un apport de 3.35 hm3, un volume de 2.67 hm3 a t dvers et
vidang, et seulement 0.19 hm3 ont t fournis lirrigation et lAlimentation en Eau
Potable. La retenue est reste pleine sauf pendant lt (Figure 2.34).

55

Chapitre II

Les Aurs, Rservoirs et Gestion


2,500

Volume (hm3 )

2,000

1,500

1,000

0,500

0,000
Jan

Fev

Mars

Avril

Mai

Juin

Juil

Aout

Sept

Oct

Nov

Dec

Mois
Apports

Fuites

Vidange de fond

Dversement

Evaporation

Rserve

Figure 2.34 Bilan hydrique mensuel du rservoir de Foum El Gueiss (2013).

2.3.4 Gestion du rservoir de Fontaine des Gazelles


Le rservoir de Fontaine des Gazelles a reu durant les annes 2002-2011 un volume de 322
hm3, 39 % de ce volume ont t dverss, 12% vidangs. La part de lirrigation a t de 21%,
celle de lvaporation est de 28% (Figure 2.35), ce qui reprsente le pourcentage le plus lev
dans toute la rgion des Aurs. Laridit du site, labsence du couvert vgtal et aussi
limportance de la surface du plan deau de la retenue sont les principales causes.

Figure 2.35 Bilan hydrique (en % ) du rservoir Fontaine des Gazelles (2002/2011).

56

Chapitre II

Les Aurs, Rservoirs et Gestion

Durant la priode 2001-2004, le rservoir tait en phase de remplissage, lirrigation na


commenc quau mois de mai 2005, elle a atteint un volume annuel de 19 hm3 en 2010

Volume (hm3 )

(Figure 2.36).
100
90
80
70
60
50
40
30
20
10
0

Anne
Apports

Irrigation

Vidange de fond

Dversement

Evaporation

Reserve

Figure 2.36 Bilan hydrique interannuel du rservoir Fontaine des Gazelles (2002/2011)
60
Volume(hm3 )

50
40
30
20
10
0
Sept

Oct

Nov

Dc

Jan

Fev

Mars

Avril

Mai

Juin

Juil

Aout

Mois

Apports

Irrigation

Fuites

Vidange de fond

Dversement

Evaporation

Rserve

Figure 2.37 Bilan hydrique mensuel du rservoir Fontaine des Gazelles (2008/2009)
Les apports liquides taient importants pendant lanne 2008/2009, ce qui est le cas pour
tous les rservoirs de la rgion, avec un volume de 90 hm3 dont 58hm3 ont t dverss, la
vidange de fond na vacu que 3 hm3 (Figure 2.37).
Ce qui nous amne se demander sur lefficacit de lexploitation de cet ouvrage, surtout
que son rle est primordial pour la diminution du volume de vases. Le volume deau dans le
rservoir est rest cependant proche du volume de retenue normal, montrant ainsi comme
pour le cas de Babar que le rservoir nest pas encore entirement exploit.

57

Chapitre II

Les Aurs, Rservoirs et Gestion

2.3.5 Gestion du rservoir de Koudiet Mdaouar


Les donnes concernant ce rservoir ne nous ont pas t disponibles en matire de qualit, en
plus, faisant partie du systme de Beni Haroun, et vu que le transfert nest pas encore achev
lanalyse de la gestion de ce rservoir sans celle du rservoir Beni Haroun serait prmature.
Toutefois, lanne hydrologique 2008/2009 serait intressante analyser (Figure 2.38), du fait
qu linstar des autres rservoirs de la rgion, cette anne tait riche en apports liquides.
En effet, durant cette anne le rservoir a reu 38 hm3 dapports liquides dont 17 hm3 ont t
destins lAEP. Le dversoir a vacu 16.80 hm3 dont la plus part au mois davril. La
vidange de fond a aussi vacu un volume de 2.5 hm3. Le volume deau dans la retenue
variant entre 58 au mois de septembre et 67 hm3 au mois daout.

Figure 2.38 Bilan hydrique mensuel du rservoir Koudiet Mdaouar (manque de donnes
pour le mois de mai) (2008/2009).

2.4 Conclusion
La rgion des Aurs est caractrise par un faible volume deaux superficielles, associ une
vulnrabilit lenvasement des barrages. Ces deux paramtres nous incitent rflchir la
gestion des barrages et ladapter aux situations relles.
Lanalyse de la gestion actuelle des rservoirs de la rgion des Aurs nous amne distinguer
deux types de rservoirs:

Ceux de Foum El Kherza et Foum El Gueiss. Les volumes dverss sont importants et
si des oprations de dvasement ne seront pas entreprises, ces deux rservoirs feront
partie de lhistoire et ne pourront pas satisfaire la demande.

Ceux de Fontaine des Gazelles et Babar. Les travaux de ralisation des ouvrages
hydrauliques laval des deux barrages tardent, surtout pour le barrage de Babar, g
58

Chapitre II

Les Aurs, Rservoirs et Gestion

de presque une quinzaine dannes et non encore exploit 100%. Ce retard explique
le pourcentage de dversement important que connaissent les deux rservoirs.

Le volume deau vidang par le fond est faible. Cette manuvre lorsquelle est bien
tudie et utilise temps contribuera fortement dans lvacuation des dpts solides
de la retenue.

59

Deuxime partie
Modle de gestion par optimisation :
Cas du rservoir Foum El Kherza

Chapitre III
Termes du bilan hydrique

Chapitre III

Termes du bilan hydraulique

3.1 Introduction
La rgularisation des barrages ncessite la modlisation de chaque terme de lquation de
continuit savoir les apports liquides, vaporation, fuites, demande ainsi que la pluie directe
sur le rservoir. Ces termes seront intgrs selon leur importance dans lquation de
continuit.
Les donnes disponibles au niveau du service dexploitation du barrage de Foum El
Kherza seront utilises afin destimer ces diffrents termes.

3.2 Apports liquides


Faisant parti des termes du bilan hydrique au niveau dun rservoir, les apports liquides
reprsentent sans aucun doute la fois le terme le plus important et le plus incertain, et mettre
en uvre un bon modle qui restitue correctement la ralit du terrain, permettra un gain
considrable en ressource obtenue grce une gestion rationnelle du rservoir. (Dong 2005;
Karim and Goulter 1996).

3.2.1 Donnes disponibles


Une srie dapports liquides issus du bilan hydrique au niveau du barrage, et stalant sur la
priode de 1967 2010 a t utilis afin dextraire un modle de prdiction, valable pour une
simulation ventuelle de la gestion du rservoir de Foum El Kherza (figure 3.1).

Figure 3.1 Apports liquides mensuels Foum El Kherza (Sept 1967- Aout 2010)

62

Termes du bilan hydraulique

Apports liquides (hm3)

Chapitre III

10,00
9,00
8,00
7,00
6,00
5,00
4,00
3,00
2,00
1,00
0,00

moyenne

mois

Ecart type

Figure 3.2 Moyennes et Ecarts type mensuels des apports liquides (1967-2010)

3.2.2 Les modles de prvision des apports liquides mensuels


Les modles de prvision des dbits liquides peuvent tre classs en deux catgories: les
modles conceptuels et les modles empiriques (Fortin et al. 1997; Shalamu 2009).

Les Modles empiriques ou boite noire ont pour principe dtablir des relations entre la
grandeur modliser et les facteurs qui la dterminent mais on n'est jamais sr que les
facteurs retenus expliquent eux seuls la grandeur modliser (Yonaba 2009). Les modles

ARIMA (Autoregressive Integrated Moving Average), et les RNA (Rseaux de Neurones


Artificiels) font partis de ce type de modles.

Les Modles thoriques et conceptuels encore appels modles physiques, sont issus de
l'analyse physique, des paramtres dont rsulte la grandeur modliser (Yonaba 2009).
Dans la littrature, on peut recenser de nombreuses approches pour la prvision des apports
liquides mensuels comprenant les modles conceptuels, les sries temporelles, les rseaux de
neurones et rcemment les modles hybrides (Shalamu 2009).
3.2.2.1 Modle autorgressif
Lanalyse des sries temporelles ou chronologiques comme une mthode Data-Driven trouve
une large application dans la prvision des apports liquides mensuels (Dong 2005). Un
modle ARIMA saisonnier est not ARIMA (Autoregressive Integrated Moving Average)
(p,d,q) (P,D,Q)s , la srie dpend dune part des valeurs prcdentes (partie non saisonnire) et
dautre part des valeurs la mme priode des annes prcdentes (partie saisonnire) o s la
priode saisonnire pour le cas dune srie mensuelle, elle est gale 12. Les modles
ARIMA ou Box-Jenkins sont relativement faciles implmenter (Dong 2005; Jordan 2007).

63

Chapitre III

Termes du bilan hydraulique

Deux catgories de ce type de modles sont prsentes selon que le processus est
stationnaire ou non.
Modle Autorgressif AR(p) ou ARIMA(p,0,0), Modle moyenne mobile MA(q) ou
ARIMA(0,0,q), ou la combinaison des deux premiers modles soit le modle autorgressif
moyenne mobile ARMA (p,q) ou ARIMA (p,0,q).
Les modles ARMA supposent que la srie est stationnaire donc ils consistent enlever
de la srie les tendances et saisonnalits (ou priodicits) videntes et modliser le rsidu
restant.
On peut dcrire le processus ARMA(p,q) pour une srie Xt comme une combinaison du
modle autorgressif AR(p) et celui moyenne mobile MA(q) et peut scrire sous la forme
suivante :
Xt a1Xt1 apXtp = t + b1t1 + . . . + bqtq.

3.1

avec t un bruit blanc


ai et bi des paramtres dterminer.
Ce type de modle a t largement utilis comme modle pour les apports liquides au pas
de temps mensuel:
Mujumdar (1990) a examin dix modles test de la famille ARMA pour reprsenter les
dbits mensuels et dcadaires de trois rivires Indiennes et recommande le modle AR(1) qui
a conduit la valeur minimale de moyenne quadratique dans tous les cas tudis.

Abrahart et See (2000) ont compar les rseaux de neurones et le modle ARMA pour
deux rivires Wye et Ouse et ont conclu que les deux mthodes aboutissent au mme rsultat.
Salas (1980) dans son ouvrage, prsente la mthodologie ncessaire pour le choix dun
modle ARMA.
Afin de pouvoir tester un modle ARMA la srie dapports liquides mensuels du
barrage de Foum El Kherza, la srie a t subdivise en deux sries : lune (1967-2004) pour
construire le modle ou apprentissage, et lautre (2004-2009) pour le tester.

64

Chapitre III

Termes du bilan hydraulique

Figure 3.3 Q-Q plot normale des dbits mensuels dapprentissage (1967-2004)

La srie originale a t normalise (figure 4.4.) en prenant son logarithme :


X = log( x )

3.2

Figure 3.4 Q-Q normale de la srie normalise.


Lhypothse de normalit est rejete pour les deux sries en utilisant le test de ShapiroWilcox. Alors que le test de Dickey Fuller Augment indique que la srie est stationnaire.
Pour pouvoir choisir un modle du type ARMA, on adopte la mthodologie de Box
Jenkins c.--d., quil faut examiner les fonctions dauto corrlation et dauto corrlation
partielles.

65

Chapitre III

Termes du bilan hydraulique

Figure 3.5 Corrlation et Auto corrlation partielle relatives la srie transforme.


La figure 3.5 montre quon peut choisir une multitude de modles ARMA. Toute fois,
sous R (2008), et avec le package forecast (Hyndman and Khandakar 2008), la fonction
auto.arima confronte plusieurs modles diffrents et nous retourne celui qui minimise le
Critre dInformation dAkaike AIC (Akaike 1974): Ce critre dtermine la complexit du
modle en minimisant la fonction dinformation thorique dfinie par :
3.3

AIC ( p , q ) = N log( 2 ) + 2 ( p + q )

le nombre de donnes dobservation.

la variance de processus d'innovation

Le modle retenu est celui qui minimise le critre AIC (plus de prcision avec moins de
paramtres).
Les rsultats ont aboutis aux modles AR(5), ARMA(1,1). Les modles utiliss
gnralement dans ce type de donnes sont du type AR (1), ce qui indique que le modle
donn par la fonction auto.arima peut ne pas tre fiable. Une des raisons de cette conclusion,
est que notre srie contient au moins dix valeurs aberrantes (outliers) (Figure 3.4), ces valeurs
peuvent induire le modle vers la complexit. Lanalyse des rsidus (Figure 3.6) et (Figure
3.7) montre bien ces points qui reprsentent des priodes de scheresse ou (crues) et qui ne
peuvent pas tre ignors.

66

Chapitre III

Termes du bilan hydraulique

Figure 3.6 Analyse des rsidus du modle AR(5), AIC= 1788.18

Figure 3.7 Analyse des rsidus du modle ARMA(1,1), AIC= 1788.83

67

Chapitre III

Termes du bilan hydraulique

Dtection des valeurs aberrantes


On a choisi dutiliser le logiciel X
X-12-ARIMA
ARIMA mis disposition par le U.S. Census Bureau
(Findley et al. 1998),, car il offre la possibilit de dsaisonnaliser la srie, de dtecter les
valeurs aberrantes et extrmes, de les ajuster et aussi de faire la prvis
prvision
ion pour un horizon
prdfini. X-12-ARIMA
ARIMA est dot dune fonction dauto
dauto-modlisation
modlisation qui peut retrouver le
modle selon la minimisation du critre AIC.
le modle retenu par X-12
12-ARIMA est ARIMA (1 0 1)(0 1 1)12 , il sagit dun modle
ARIMA saisonnier
er dont lquation ggnrale scrit :
( B ) ( B s )( 1 B ) d (1 B s ) D y t = ( B ) ( B s ) e t

3.4

(1 0 .7910 B )(1 B 12 ) zt

3.5

= (1 + 0.5904 B )(1 + B 12 )et

Ou B est loprateur retard. Zt valeur observe au temp t, et rsidus estim au temps t.

Figure 3.8 Prvisions pour une anne par X


X-12-ARIMA
ARIMA et celles observes
Daprs la figure 3.8,, le modle ARIMA(1,0,1)(0,1,1)12 savre trs pauvre en terme de
prvision des apports liquides mensuels du rse
rservoir de Foum El Kherza.

3.2.2.2 Rseau de neurones temps retard ou Time Delay Neural Network TDNN
Les processus alatoires dynamiques ncessitent la prise en compte du facteur temps, un type
de reprsentation du temps fait appel un mcanisme externe qui est charg de retarder ou de
retenir un certain temps les donnes, le TDNN (Time Delay Neural Networks) utilise ce
principe dans son architecture (Boudjelal 2011).
68

Chapitre III

Termes du bilan hydraulique

Le TDNN (Time Delay Neural Networks) est constitu comme le MLP (Perceptron
multicouches) d'une couche d'entre, de couches caches et d'une couche de sortie mais il se
diffrencie par le fait quau lieu de prendre en compte tous les neurones de la couche dentre
en mme temps, il prend une fentre du spectre puis effectue un balayage temporel.

Figure 3.9 Architecture dun TDNN unidimensionnel Aprs (Hassoun 1995)


Le TDNN a t utilis initialement pour la reconnaissance de la parole (Waibel et al.
1989) et a trouv ensuite son emploi pour les prvisions hydrologiques (Ballini et al. 2001;
Coulibaly et al. 2001; Jain and Kumar 2007; Sajikumar and Thandaveswara 1999; Wang et al.
2007) .

Modle TDNN
Lapplication de ce type de modles requiert la connaissance priori du retard considrer
dans la couche dentre, pour cela, la srie ajuste par ARIMA -X-12 ainsi que le retard
trouv par ce modle sont utiliss comme paramtres dentre pour le modle TDNN.

Critres de performance du modle


Les mesures suivantes sont utilises afin d'valuer la performance du modle de prvision par
TDNN pour la srie originale ainsi que pour les sries dsaisonnalises par :
1. ARIMA-X-12
2. En multipliant par la moyenne et divisant par lcart type.

RMSE Racine de lerreur quadratique moyenne

RMSE =

3.6

1 n 2
E
n i =1
69

Chapitre III

Termes du bilan hydraulique

MAE Erreur absolue moyenne


n

MAE =

E
i =1

3.7

Avec :

E= Xth-XO
XO

Valeur observe

Xth

Valeur thorique

Nombre dobservations

Tableau 3.1 Rsultats de simulation pour le modle TDNN


Type de donnes
Apprentissage
Test
2
RMSE MAE R^
RMSE
Srie originale
2.8962 1.6338 0.57 11.6161
Srie ajuste par X12 1.4596 1.0393 0.75 4.5953
ARIMA
Srie dsaisonnalise
0.5974 0.3308 0.57 3.2465

MAE
R^2
32.8305 0.25
2.1193 0.62
1.95

0.29

Les rsultats de simulation (Tableau 3.1) ont montr que la structure des donnes dentre
au modle TDNN influence les rsultats. Ainsi, les donnes ajustes par X12ARIMA ont
donn de meilleures performance, aussi que, lutilisation du TDNN amliore la performance
du modle par rapport au modles ARIMA ce qui montre la non linarit de la srie dapports
liquides au rservoir de Foum El Kherza.
18
Apports Simuls
Apports Observs

16

Apports liquides mensuels

14
12
10
8
6
4
2
0

10

15

20

25

mois

Figure 3.10 Apports simuls et apports Observs (phase de validation)


70

Chapitre III

Termes du bilan hydraulique

Aucun de ces modles na donn lieu des rsultats satisfaisants, pour cela, lide tait
dutiliser un modle hybride (Daz-Robles et al. 2008; Khashei and Bijari 2010; Zhang 2003)
, ce dernier repose sur lhypothse que la non linarit de la srie est traduite par les rsidus
du modle SARIMA que lon peut approcher par MLP.
Tsenga et al. (2002) ont propos le modle SARIMABP, dans ce modle, lestime par
SARIMA ainsi que les rsidus t seront considres comme entres du modle neuronal
(Figure 3.11).

Figure 3.11 Structure du modle hybride SARIMABP.


Un rseau MLP de la srie des apports normaliss associant les rsidus issus du modle
ARIMA (1 0 1)(0 1 1)12 a t test en utilisant le package caret (Kuhn. et al. 2013).
La prvision avec le modle SARIMABP ncessite la connaissance priori des rsidus ce
qui nest pas vident. Tsenga et al. (2002) ont admis que les rsidus dun mois dune anne
future considre, sont la moyenne pondre des rsidus du mme mois des annes
antrieures.

Tableau 3.2 Rsultats de simulation par le modle SARIMABP


Modle SARIMABP (Tsenga et al. 2002)
Entres du modle

Estime

SARIMA

SARIMA t
Partition

70% apprentissage, 30% test


Mthode utilise Bootstrap

Nombre de neurones

RMSE

0.220

(phase de test)

0.9988
71

Rsidus

Chapitre III

Termes du bilan hydraulique

De ce qui prcde et parmi les modles labors, on constate que le modle hybride
propos par Tsenga et al. (2002) (tableau 3.2) est un modle profitant la fois des avantages
des rseaux MLP et ceux des modles SARIMA. Ce modle peut tre adopt afin de gnrer
une srie synthtique, caractristique des apports liquides au rservoir de Foum El Kherza.

3.3 Pertes par vaporation et par infiltrations


3.3.1 Pertes par vaporation
La gestion optimale des rservoirs doit prendre en considration les pertes par vaporation
surtout en zone aride o le phnomne dvaporation est dune ampleur considrable. Par
consquent, l'estimation prcise des volumes vapors est d'une importance primordiale
(Hassani et al. 2008). Lvaporation dpend dun grand nombre de facteurs. Aussi, il est
difficile de la quantifier prcisment et son estimation nest souvent valable que localement
(Vachala 2008).
Plusieurs mthodes sont disponibles pour lestimation de lvaporation la surface des
rservoirs, on peut les classer en mthodes directes et indirectes.

La mthode directe est effectue par mesure directe du volume vapor partir dun
bac d'vaporation. Les mthodes indirectes sont des formules empiriques notamment
bases sur la temprature gnralement celle de lair, le vent 2m au dessus du sol,
lhumidit de lair et le rayonnement solaire.

Les mthodes indirectes sont souvent

difficiles utiliser cause de la non

disponibilit de toutes les donnes dune part, et dautre part, de la validit de ces
formules pour un cas dtude prcis (Hassani et al. 2008).
Rcemment, dautres mthodes ont t explores par de nombreux chercheurs, telles que les
modles de machines vecteurs de support (SVM) (Samui 2011), les modles type black

box tels que les algorithmes gntiques (Kasiviswanathan et al. 2011) , ANFIS (Terzi et al.
2006), les rseaux de neurones (Deswal and Pal 2008; Kumar and Tiwari 2012; Ladlani et al.
2012; Moghaddamnia et al. 2009; Tabari et al. 2010).
Lvaporation partir de la surface du rservoir de Foum El Kherza est trs intense. La
lame vapore est mesure partir dun bac Colorado avec un coefficient de (0.7) (ROHWER
1931) . Cette lame diminue de celle prcipite directement est convertie en volume en la

72

Chapitre III

Termes du bilan hydraulique

multipliant par la surface du plan deau correspondante, cette dernire est dtermine par
bathymtrie.
Le volume net moyen annuel perdu par vaporation est estim 3.56 hm3 reprsentant
plus de 17% de lapport moyen annuel (Figure 3.12) avec un maximum enregistr au mois
de juillet avec 0.53 hm3 (figure 3.13)
3.13).

Figure
ure. 3.12 Volumes annuels vapors.

Figure 3.13 Moyennes mensuelles des volumes vapors


3.3.1.1. Relation Volume vapor -Volume deau dans le rservoir par RNA
Afin dexploiter au mieux les modles neuronaux, on a choisi un MLP une couche cache
et test diffrentes structures du rseau soient : le nombre de neurones de la couche cache,
73

Chapitre III

Termes du bilan hydraulique

type de lapprentissage ainsi que son algorithme et choix des lments de validation et ceux
de test. Le nombre de neurones dans la couche cache est choisi par ttonnement et en
fonction de la qualit du modle obtenu. Lalgorithme de Levenberg Marquardt est retenu
pour lapprentissage par rtropropagation, ceci, cause de sa robustesse et sa convergence
rapide. La base de donnes est partage en 70 et 30% respectivement pour lapprentissage et
le test du modle.
Lapplication du modle neuronal pour lestimation du volume vapor partir de la
surface du rservoir de Foum El Kherza est labore avec le logiciel Matlab, utilisant les
volumes deau mensuels V(t) dans le rservoir et ceux correspondants vapors nets E(t)
enregistrs pendant la priode 1967/2010. Le modle neuronal est compar une rgression
linaire, cette rgression a t adopte pour la modlisation de lvaporation dcadaire au
niveau du rservoir El Morra (Pabiot 1999), on adoptant le coefficient de dtermination pour
juger de la qualit du modle.

Tableau 3.3 Estimation de lvaporation mensuelle par rseaux de neurones Et rgression


linaire (phase de validation).
Mois
SEPT
OCT
NOV
DEC
JAN
FEV
MAR
AVR
MAI
JUIN
JUIL
AOUT

Variables
dentre
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)
V(t)

Structure
ANN
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1
1-20-1

R2

Rgression

R2

0.90
0.85
0.84
0.76
0.88
0.91
0.81
0.90
0.86
0.91
0.87
0.98

0.013x+0.224
0.008x+0.164
0.004x+0.162
0.003x+0.088
0.002x+0.1
0.006x+0.093
0.007x+0.166
0.010x+0.2
0.013x+0.298
0.018x+0.306
0.025x+0.293
0.025x+0.245

0.41
0.34
0.16
0.121
0.05
0.22
0.30
0.36
0.37
0.47
0.50
0.55

La modlisation du volume vapor partir du rservoir de Foum El Kherza par rseaux de


neurones (Tableau 3.3) a abouti des coefficients de dtermination entre 0.76 pour le mois de
dcembre et 0.98 pour celui daout, on constate aussi que cinq mois sur douze ont un
coefficient de dtermination suprieur 90%, ces coefficients sont plus levs que ceux
calculs pour le modle rgressif linaire et dont le coefficient maximal calcul est celui du
mois daout avec 55%.

74

Chapitre III

Termes du bilan hydraulique

Volume vapor (hm3 )

0,8
0,7
0,6
0,5
0,4
0,3
0,2

Volume estim

0,1

Volume Observ

Anne

Figure 3.14 Volumes vapors estims par rseaux de neurones et ceux observs (pour
lchantillon de test).
3.3.2 Pertes par infiltration
Aprs la mise en eau du barrage, de nombreuses rsurgences sont apparues en aval sur les
deux rives. Les fuites du rservoir sont mesures en un certain nombre de points situs en rive
droite et en rive gauche en aval du barrage (ISL 2006). Celles de la rive droite sont captes
par de nombreux forages dbouchant dans le tunnel dirrigation et sont mesures par un
dversoir triangulaire la sortie de ce tunnel. Par contre celles de la rive gauche taient

10
9
8
7
6
5
4
3
2
1
0
1967/1968
1969/1970
1971/1972
1973/1974
1975/1976
1977/1978
1979/1980
1981/1982
1983/1984
1985/1986
1987/1988
1989/1990
1991/1992
1993/1994
1995/1996
1997/1998
1999/2000
2001/2002
2003/2004
2005/2006
2007/2008
2009/2010

Fuites (hm3)

captes en trois points de rsurgence et dont le dispositif de mesure est envas (ISL 2006).

Anne Hydrologique

Figure 3. 15 Volumes annuels des fuites

75

Chapitre III

Termes du bilan hydraulique

3.3.3. Modlisation des pertes par infiltrations


Afin de pouvoir les intgrer dans le bilan et tant lies troitement au volume deau dans le
rservoir, les infiltrations mensuelles partir du rservoir sont considres comme fonction
de ce dernier (Pabiot 1999; Sivapragasam et al. 2009) . Etant donn quune relation explicite

Volume mensuel des fuites (hm3)

ne peut tre extraite des donnes disponibles. Une rgression linaire a t examine.
1,2

y = 0,022x + 0,092
R = 0,630

1
0,8
0,6
0,4
0,2
0
0

10

20

30

40

Volume d'eau dans le rservoir (hm3)

Figure 3.16 Volumes mensuels des fuites en fonction du volume deau dans le rservoir.
Ce modle issu de la rgression linaire est dune grande utilit malgr la faible valeur de
R2, car il considre que les infiltrations sont nettement en relation avec le volume deau dans
le rservoir.

3. 4 Pluviomtrie directe au dessus du rservoir


La pluviomtrie2 se caractrise par une irrgularit interannuelle et saisonnire. La moyenne
des pluies sur 43 ans dobservation est de 123 mm.

Ltude de la srie temporelle de la pluie nest qu titre indicatif.

76

Termes du bilan hydraulique

450
400
350
300
250
200
150
100
50
0
1967/1968
1969/1970
1971/1972
1973/1974
1975/1976
1977/1978
1979/1980
1981/1982
1983/1984
1985/1986
1987/1988
1989/1990
1991/1992
1993/1994
1995/1996
1997/1998
1999/2000
2001/2002
2003/2004
2005/2006
2007/2008
2009/2010

Pluies (mm)

Chapitre III

Anne

Pluie (mm)

Figure 3.17 Pluies annuelles (mm) (Sept1967- Aout 2010).

20
18
16
14
12
10
8
6
4
2
0

Mois

Figure 3.18 Moyennes mensuelles des pluies Foum El Kherza.

3.4.1 Modlisation des pluies mensuelles.


Comme pour le cas des apports liquides, on choisi dadopter la mthodologie de Box Jenkins
sur la srie temporelle des pluies mensuelles, stalant du mois de septembre 1967 au mois
daout 2010 (Figure 3.19).

77

50

100

200

Termes du bilan hydraulique

P lu ie s m e n s u e lle s (m m )

Chapitre III

1970

1980

1990

2000

2010

anne

Figure 3.19 Pluies mensuelle Foum El Kherza (Sept 1967- Aout 2010)
Tableau 3.4 Statistiques descriptives de la srie
Nombre
dannes
43

moyenne

mdiane

Ecart type

Max

10.25

3.00

18.53

234.0

Min

150
100
0

50

SampleQuantiles

200

Normal Q-Q Plot

-3

-2

-1

Theoretical Quantiles

Figure 3.20 Q-Q plot normale des pluies mensuelles Foum El Kherza (Sept 1967- Aout

2009)

la srie considre est normalise en utilisant la fonction X =


78

figure 3.21.

Termes du bilan hydraulique

4
3
0

Sample Quantiles

Chapitre III

-3

-2

-1

Theoretical Quantiles

Figure 3.21 Q-Q plot normale de la srie prnormalise

Un premier modle en utilisant la fonction auto.arima propose un ARIMA(2,0,1)


(2,0,0)(12) sur la srie normalise.

Un rseau MLP de la srie des pluies mensuelles normalises associant les rsidus issus du
modle SARIMA(2,0,1) (2,0,0)(12) a t test suivant plusieurs structures et a abouti aux
rsultats suivants

Tableau 3.5 Rsultats de simulation du modle hybride SARIMABP.


Modle SARIMABP (Tsenga et al. 2002)
Entres du modle

Estime

SARIMA

Rsidus

SARIMA t
Partition

70% apprentissage, 30% test


Mthode utilise Bootstrap

Nombre de neurones

RMSE

0.220

R2 (phase de test)

0.97

3.5 Demande en eau et lchers historiques


Le palmier dattier en Algrie est considr outre un moyen dexistence depuis des milliers
dannes pour les rgions du sud, un patrimoine pour la culture et la diversit cologique du
dsert (Merabet and Souissi 2008).
LAlgrie occupe la 2me place parmi les pays producteurs de dattes dans la zone arabe
avec plus de 600 mille tonnes par an, dont plus de 35 mille tonnes de lindiscutable leader
79

Chapitre III

Termes du bilan hydraulique

Deglet Nour qui est

destine spcialement lexportation, et afin de renforcer la

production spcialement de cette catgorie de dattes localise principalement aux Zibans, de


nouveaux dattiers ont t plants dans cette rgion. Aujourdhui, elle compte plus de 380000
palmiers.
Dans le souci dassurer la durabilit de ce patrimoine phoenicic
phoenicicole, le rservoir de Foum
El Kherza est destin aprs lindpendance et aprs que la production de llectricit a t
abandonne, spcialement pour lirrigation des palmeraies de cette rgion soient Seriana, Sidi
Okba et Garta.

Lcher (hm3)

Figure 3.22 Historiquee des lchers annuels au niveau du rservoir de Foum El Kherza.

1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0

Mois

Figure 3.23 Historique des lchers moyens mensuels au niveau du rservoir Foum El Kherza.

80

Chapitre III

Termes du bilan hydraulique

3.5.1 Besoins en eau du palmier dattier


Le palmier vit les pieds dans l'eau et la tte au feu du ciel. (Peyron 2000), Le palmier
dattier peut vivre en atmosphre sche, pourvu que les besoins en eau au niveau des racines
soient satisfaits. Il doit fabriquer des tissus nouveaux, en particulier des palmes 7 30 palmes
par an selon les cultivars, l'endroit et les conditions culturales, et des inflorescences 10 20
par an (Peyron 2000).
L'irrigation est primordiale en phoeniciculture. Les apports d'eau doivent tre suffisants
pour couvrir tous les besoins du palmier dattier, pour compenser les pertes par infiltration et
par vaporation la surface du sol, pour satisfaire les besoins des cultures intercalaires, s'il y a
lieu, et pour lessiver le sol afin d'liminer les sels accumuls. Pour une production vgtale
importante, dans un milieu aride, l'eau doit tre fournie par une irrigation abondante, dont le
volume ncessaire est aussi fonction de facteurs tels que :

la nature et la texture du sol.

la qualit de l'eau fournie.

la protection contre les vents.

la densit de plantation .

l'ge de la plantation.

la prsence ou non d'une nappe phratique.

la prsence ou non de cultures sous-jacentes

les conditions climatiques, c'est--dire l'aridit et les variations saisonnires.

Tous ces facteurs font qu'il est difficile de dterminer rigoureusement le volume d'eau
fournir pour la vie et la production du dattier sinon d'aprs les calculs bass sur
l'vapotranspiration (Peyron 2000).
Diffrentes approches sont utilises pour la dtermination thorique des besoins en eau du
palmier dattier (Khan and Prathapar 2012) parmi elles :

Par mesures directes de lvaporation affecte du coefficient cultural Kc, ce dernier


est fonction de la culture gal 0.9 en hiver et 0.95 en t (Merabet and Souissi 2008)

Etc = Kc Et 0
Etc : Evapotranspiration de la culture (mm/jour)
Kc : Coefficient cultural.
Et0 : Evapotranspiration de rfrence (mm/jour)
81

Chapitre III

Termes du bilan hydraulique

En utilisant lquation de Penman-Monteith (Penman 1948) qui est la combinaison du


bilan nergtique et du flux de masse. Cette approche a t choisie par la FAO comme
mthode privilgie destimation de lvapotranspiration de rfrence ETo, et par
suite lvaporation de la culture ETc est celle de rfrence affecte du coefficient
cultural Kc.

Approche base sur les donnes lies au sol qui considre que les conditions du sol
influencent fortement les besoins en eau du palmier. Ainsi, La connaissance de la
teneur en eau relle (humidit du sol) et la capacit de rtention du sol permettent de
mesurer la quantit exacte d'eau l'irrigation appliquer (Khan and Prathapar 2012).

Selon les mesures de lvaporation effectues sur le site du barrage sur bac Colorado
(coefficient 0.7), et en affectant un coefficient cultural Kc de 0.95 en t et 0.9 en hiver
(Merabet and Souissi 2008), les besoins en eau du palmier dattier ont t valus par la
mthode directe et compars ceux moyens valus par Merabet et Souissi (2008).

Tableau 3.6 Besoins en eau du palmier dattier (sur la base de 120 palmiers/ha)
Mois

Jan

Fev

Mar

Avr

Mai

Juin

Juil

Aout

Sept

Oct

Nov

Dec

l/jour/ palmier

198

280

388

513

630

783

831

771

570

407

247

180

l/s/ha (Merabet and


Souissi 2008)

0.27

0.38

0.54

0.69

0.88

1.05

1.15

1.07

0.77

0.57

0.33

0.25

l/jour/ palmier

196

265

391

527

703

910

1002

956

684

461

278

188

l/s/ha

0.27

0.36

0.54

0.73

0.97

1.26

1.39

1.32

0.95

0.64

0.38

0.26

(Merabet and Souissi


2008)

82

Chapitre III

Termes du bilan hydraulique

Figure 3.24 Lchers historiques, Apports liquides et Besoins en eau du palmier dattier

La figure 3.24
.24 montre que les besoin
besoinss valus du palmier dattier

sont nettement

suprieurs aux lchers historiques effectus pendant les annes dopration du rservoir,
ainsi quaux apports liquides, ceci montre que le barrage nest pas en mesure de satisfaire
cette demande et qu priori,
i, la dfaillance du rserv
rservoir
oir est ventuellement prvue.

3.6 Conclusion

Ce chapitre recommande la combinaison des mthodes issues des modles rgressifs


et ceux de lintelligence artificielle, la fois, pour les apports liquides et pour les
pluies.

Le manque
anque de donnes concernant la temprature, lhumidit, etc.
etc nous a incit
utiliser le volume deau dans la retenue comme seule variable dentre au modle
neuronal
uronal concernant lvaporation nette, la disponibilit de ces donnes amliorera
certainement la qualit du modle.

Concernant lirrigation, on na considr que celle des palmiers alors que


ncessairement, elle nest pas la seule plantation.

Les fuites Foum El Kherza restent encore une variable difficilement quantifiable,
ceci cause des nombreuses
breuses sources non mesures.

83

Chapitre IV
Sdimentation du rservoir

Chapitre IV

Sdimentation du rservoir

4.1 Introduction
La sdimentation des rservoirs est lun des principaux problmes qui affectent la
performance des barrages en Algrie, du point de vue scurit des structures, capacit des
retenues pour le stockage et aussi qualit des eaux. Le rservoir de Foum El Kherza est objet
dune opration de dvasement afin de rcuprer 70% de sa capacit initiale de 47hm3, la
gestion optimise de ce rservoir doit tenir compte du volume perdu par sdimentation. Cette
dernire tant un phnomne trs complexe qui est rgi par des paramtres hydrauliques et
hydrologiques et qui ce jour, na pas de solution analytique qui peut dterminer dune
manire prcise la capacit perdu dun rservoir (Singh and Durgunoglu 1990), on est amen
utiliser les relations empiriques qui divergent souvent des mesures in situ (Remini and
Hallouche 2005).
Plusieurs mthodes sont prsentes dans la littrature pour prdire les dbits solides
transports par une rivire, la plus largement utilise tant la courbe de tarage des sdiments,
qui combine les donnes des concentrations en sdiments aux dbits liquides afin den
dduire une relation souvent sous forme de puissance et qui peut tre utilise pour une
prvision long terme, dautres mthodes sont aussi utilise comme celles bases sur
lquation universelle de perte de sol de Wishmeyer et ces drives (Demmak 1984;
MacArthur et al. 1995), sans oublier les modles mathmatiques tels que HEC-RAS (HEC
1991; HEC 1995), FLUVIAL (Chang 1998) etc. Ces modles sont fortement dpendants
des donnes sur site, ce qui nest pas toujours disponible (Morris and Fan 1998).

En

Algrie, plusieurs essais de prdiction du taux denvasement des rservoirs ont t mis en
uvre.
Tixeront (1960) a tabli une relation puissance entre le taux denvasement annuel et
lapport liquide annuel.
Remini et Avenard (1998) ont tabli une relation polynomiale donnant le volume pig
dans le rservoir de Foum El Kherza en fonction du temps.
Remini et Hallouche ( 2005) ont tabli deux relations donnant le dbit annuel en
sdiments fonction du temps dopration, lune puissance pour les pays du Maghreb ayant un
fort taux de sdimentation , lautre linaire avec un taux de sdimentation assez faible.

85

Chapitre IV

Sdimentation du rservoir

Meddi et al. (1998) ont utilis les donnes de dix huit rservoirs algriens afin dtablir
un modle donnant le dbit annuel de sdiments en fonction de deux paramtres le dbit
annuel et la superficie du bassin versant.
Kassoul et al. (1997) ont dvelopp un abaque partir de dix neuf barrages algriens afin
de permettre lvaluation du dbit solide accumul.
Bessenasse et al. (2004) ont construit un modle hydraulique bidimensionnel utilisant les
quations de Saint-Venant et une quation de convection-diffusion afin de prdire la
sdimentation du rservoir de Zerdezas.
Habituellement, la courbe de tarage en sdiments (SRC) est dveloppe en utilisant les
donnes de plusieurs annes de mesures des apports liquides et ceux solides dans les stations
hydromtriques. Les lacunes et discontinuits des mesures dans la station de Mchounech
nous ont empch dutiliser cette mthode dans sa forme classique et incit rechercher une
autre mthode dans laquelle on va utiliser non pas les donnes de la station de Mchouneche
mais plutt celles des levs bathymtriques, ces dernires tant plus prcises et vu le nombre
important de compagnes bathymtriques labor, elles constituent une base de donnes trs
importante. Elles vont tre associes par la suite aux apports liquides journaliers au rservoir.
Cette mthode nous a t propose pour la premire fois par G.L. Morris, et dans laquelle une
estimation retour de la fonction puissance (SRC) donnant la concentration journalires en
sdiments en fonction du dbit liquide journalier, par optimisation, ceci, partir des dbits
liquides journaliers dduits du bilan hydrique dans le rservoir dune part, et de la courbe
cumulative des sdiments pigs dans la retenue mesurs par huit levs bathymtriques
effectus le long des annes dopration du rservoir dune autre part.

4.2 Donnes
A la figure 4.1, la srie dapports liquides journaliers reconstitue par bilan hydrique
(Septembre 1967-Mai 2011). Dans cette srie, plus de 95% des apports ont une valeur de
moins de 0.2 hm3 avec des crues de courte dure, dont les plus importantes ont eu lieu le
01/09/1990, 16/04/2004 et 04/05/2006 avec des volumes liquides de 13.74, 25.21 et 19.20
hm3 respectivement. Quelques statistiques descriptives de cette srie sont prsentes au
tableau 4.1.

86

Chapitre IV

Sdimentation du rservoir

journaliers
rs Foum El Kherza (Septembre 1967-Mai
1967
20011).
Figure 4.1 Apports liquides journalie
Tableau 4.1 Statistiques descriptives de la srie dapports journaliers.

Nombre xmoy
3

(hm )

15,978

Sd

(hm )

xmdiane xmax

xmin

(hm )

(hm )

0.0714 0.457 0.005

(hm )

25.209

Cv

Cs

6.39 24.6

La figure 4.2 montre la perte cumulative de la capacit du rservoir value par des
compagnes bathymtriques effectue en 1967, 1975, 1986, 1993, 2001, 2004 et en 2007 ce
dernier a t effectu juste aprs la premire tranche de dragage dun volume de 4hm3 de
vase.

Figure 4.2 Levs bathymtriques effectus Foum El Kherza.


87

Chapitre IV

Sdimentation du rservoir

4.3 Mthodes
4.3.1 Levs bathymtriques
Un lev bathymtrique constitue un moyen trs efficace de mesure du volume des sdiments
pigs dans un rservoir, principalement long terme, car il prend en considration non
seulement le dbit solide en suspension, mais celui charri (Morris and Fan 1998).
Lincertitude majeure concernant cette mthode est celle de la densit apparente des
sdiments qui est gnralement estime et non pas mesure, et qui peut varier
considrablement non seulement suivant la profondeur mais aussi dun lev un autre
(Morris and Fan 1998).

4.3.2 Courbe de tarage en sdiments (SRC)


La courbe de tarage en sdiments (Sediment Rating Curve) est une relation empirique entre la
concentration en sdiments C (kg m-3) ou le dbit solide Qs (kg s-1) et le dbit liquide
Q (m3 s-1). Cest une mthode du type black box ayant pour forme standard :
C = aQb

4.1

Ou
QS = aQb

4.2

Les coefficients a , a ' reprsentent respectivement la concentration et le dbit solide pour


un dbit liquide de 1m3s-1.
b et b refltent la rponse au changement du dbit liquide, ils varient entre 1et 2 (Julien
2010).
Diffrentes tudes ont t labores afin de donner une signification physique aux valeurs
des coefficients de cette courbe :
Benkhaled et Remini (2003) ont montr que ces coefficients sont fortement influencs par
la pluviomtrie, lapport liquide et lhumidit du sol.
Frostick et al. (1983) ont not quaux climats arides sont associs des valeurs de b
infrieurs 1 et des grandes valeurs de a.
La courbe de tarage est souvent utilise pour la prvision de la sdimentation des
rservoirs :
88

Chapitre IV

Sdimentation du rservoir

Khanchoul et Remini (2009) ont jug que les courbes de tarage en sdiments sont
adquates pour la prdiction de la sdimentation du rservoir de Bouhamdane.
Jahani (1992) a dmontr que la courbe de tarage en sdiments donne des rsultats assez
proches ceux rellement mesurs par bathymtrie.
Toutefois il est recommand dutiliser cette mthode avec prcaution (Asselman 2000;
Walling 1977a; Walling 1977b), ceci est principalement d

lerreur induite

par

lajustement des valeurs extrmes, ces dernires ne sont enregistrs que partiellement.

4.3.3 Efficacit de pigeage Trap efficiency.


Lefficacit de pigeage dun rservoir est le pourcentage de lapport solide total retenu dans
le rservoir. La mthode la plus utilise pour estimer lefficacit de pigeage long terme est
partir de la courbe de Brune (Brune 1953) qui estime cette efficacit en se basant sur le
rapport de la capacit de stockage lapport moyen annuel (Batuca and Jordaan 2000;
Heinemann 1984; Morris and Fan 1998). Lefficacit de pigeage varie grandement dun
vnement un autre et peut aussi tre influence par les diffrentes oprations au niveau du
rservoir ou temps de sjour hydraulique HRT (Hydraulic Residence Time). Toute fois,
lefficacit long terme diminue tout le long de la dure de vie du rservoir tant donn que
ce dernier senvase continument.

4.3.4 Apport solide pig historique


Afin de convertir le volume des sdiments pigs mesur par bathymtrie en masse, la
densit apparente des sdiments est ncessaire, cette dernire varie la fois avec la taille des
particules et le degr de consolidation. Sur la base de ltude effectue par Remini et Avenard
(1998) la majorit des sdiments est constitue de limons et de sables. La valeur adopte pour
la densit apparente de cette composition est = 1.4 t m-3 (Geiger 1963).

4.3.5 Chasse de fond, vacuation durant les crues et dvasement


Lhistorique de lopration du rservoir nous a servi denregistrer les diffrents volumes
chasss par le fond et ceux dverss par lvacuateur. Etant constitus de mlanges eausdiments les valeurs suivantes sont adoptes:

Le rapport Volume vidang-Volume des sdiments vidangs 10

Le rapport Volume dvers- Volume des sdiments dverss 20

89

Chapitre IV

Sdimentation du rservoir

Lopration de dragage du rservoir a t entame en 2006, avec un soutirage dun


volume de 4hm3. Ce volume est converti en masse avec la mme valeur de la densit
apparente.

4.3.6 Concentration journalire en sdiments


Comme indiqu plus haut, on admet que la concentration en sdiments journalire est lie par
la relation (5.1) lapport liquide journalier, il est noter que cette concentration est totale, en
dautres termes, elle inclut les sdiments suspendus et ceux charris. Les coefficients a et b
sont tous les deux soumis respectivement deux contraintes:

Du fait que le rservoir draine les eaux dun bassin versant relativement grand, le
coefficient a reprsentant la concentration dun dbit de 1m3s-1 ne peut prendre des
valeurs suprieures 1. Le dbit moyen journalier Foum El Kherza est de 0.0714
hm3, cette valeur correspond un dbit de 0.82 m3/s, ce qui reprsente un dbit
relativement faible et par consquent, transporte un dbit solide faible.

Tableau 4.2 Quelques valeurs du coefficient a pour des bassins algriens.


a
Etude
Oued
Superficie
2
(kg m-3)
(km )
Mina
Touaibia et al. (2001)
4126
1.05-10.10
Mouillah
Terfous et al. (2001)
2650
0.4082
Abd
Achite et Ouillon (2007)
2480
1.710
Kebir ouest
Khanchoul et al. (2007)
1130
0.8927
Khanchoul et Jansoon (2008) Mellah
550
0.48
Khanchoul et Remini (2009) Bouhamdane 1105
0.21-0.55
Cherif et al. (2009)
Mekerra
1890
5.7191
Khanchoul et al. (2010)
Kebir
681
0.86

Le coefficient b est compris entre 1et 2.

4. 4 Optimisation de la Courbe Cumulative en Sdiments Pigs


La courbe cumulative est construite par cumul des masses de sdiments pigs et partir du
bilan sdimentaire dans le rservoir au pas de temps journalier:
Masse des sdiments entrants = Masse des sdiments pigs - Masse des sdiments
(Evacus+Vidangs+Soutirs).
Cette courbe est sujette une optimisation afin de lajuster la courbe cumulative des
masses de sdiments pigs rellement observe, soit les huit levs bathymtriques. La
fonction doptimisation choisie est relative la maximalisation du critre de Nash :
90

Chapitre IV

Sdimentation du rservoir
6

Nash = 1

(MB MC )

1
6

(MB MB)

4.3
2

O :
MB : Masse des sdiments aux levs bathymtriques (Tonnes)
MC : Masse des sdiments de la courbe cumulative (Tonnes)
MB : Moyenne des levs bathymtriques (Tonnes).

Figure 4.3 Optimisation de la courbe cumulative des sdiments pigs

4.4 Rsultats de lOptimisation de la Courbe Cumulative


Lquation puissance donnant la concentration journalire en sdiments en fonction du dbit
liquide journalier obtenue par optimisation est :

Ct =1.33Qt1.05

4.4

Avec :

Le critre de Nash= 0.95.


Le coefficient de dtermination R2= 0.96.
91

Chapitre IV

Sdimentation du rservoir

Dans leur tude sur le mme rservoir, Remini et Avenard (1998) ont conclu que l'volution
de la sdimentation de rservoir est une fonction polynomiale du second degr de temps qui
tend vers une stabilisation. Ce qui n'est pas le cas puisque le nombre de crues-clair a
augment de 2004 2009 avec des apports en sdiments importants. Heureusement, les
vacuations a partir du dversoir tait plus efficaces pendant les inondations de 2004 et 2006
car le rservoir tait dj plein, en plus des effets bnfiques de la vidange de fond et
l'opration de dragage. L'approche propose montre linfluence de ces diffrentes oprations.
Le tableau 4.3 indique que l'efficacit annuelle de pigeage des sdiments est trs variable et
peut diffrer de la moyenne long terme estime par la courbe de Brune en raison de la
variabilit d'anne en anne hydrologique dune part, et des diffrentes oprations du
rservoir dune autre part, comme lors des grandes inondations qui se sont produites lorsque
le rservoir tait presque plein dans les annes 2004 et 2006.
Tableau 4.3 Capacit de pigeage
Anne C (Mm3) I(Mm3)
1950
1967
1975
1986
1993
2001
2004
2007

47
35.07
31,925
26,519
24,313
16,744
14,739
12,9

21.103
18.98
20.48
18.202
16.66
90.52
36.82

C/I
1,66
1,68
1,29
1,33
1,00
0,16
0,35

TE (%)

TE(%)

Brune Curve

CTSC

98
98
98
98
98
91
95

85
991
94
752
993
612

C: Capacit du rservoir; I: Apport annuel ; TE: Pigeage;


1
Arrt de la vidange de fond ; 2Evacuation efficace;; 3priode humide.

La figure 4.4 montre la variabilit inter-annuelle de la production de sdiments au rservoir


Foum El Kherza obtenu partir de la vidange du fond, vacuation ainsi que la premire
tranche de l'opration de dragage aprs la crue 2004.

92

Chapitre IV

Sdimentation du rservoir

Figure 4.4 Bilan sdimentaire annuel

Figure 6 rsume les rsultats obtenus de la prsent


prsentee approche et les precedents tablies par
Remini and Hallouche ( 2005)) et Tixeront (1960), aussi bien que les
es levs bathymtriques
mens, montrant lapproche de la Courbe Cumulative en Sdiments Pigs CTSC donnant
des rsultats satisfaisants.

Figure 4.5 Perte du volume de stockage du rservoir Foum El Kherza.

Plusieurs incertitudes sont associes l'application de cette approche, la principale tant la


densit apparente des sdiments,
iments, cette dernire est estime partir de ltude (Geiger 1963).
Les rapports eau-volumes chass
chasss

(vacus) ont t estims partir dobservations ou

93

Chapitre IV

Sdimentation du rservoir

dtudes antrieures et peuvent tre diffrents de ceux du rservoir Foum El Kherza et


probablement

dune opration une autre. Des mesures prcises de ces paramtres

amlioreront sans doute les rsulta


rsultats obtenus.
Afin de rduire le bruit caus par les valeurs journalires de la
lapport
pport liquide, le pas de
temps a t augment celui annuel ceci
ceci, afin de trouver une relation plus simple liant
lapport annuel en sdiments celui liquide en suivant la mme mthodologie,
mthodologie la courbe
cumulative au pas de temps annuel montre la figure 4.6 est sous la forme :
Qs (hm3) = 0.0033Qt1.63 (hm3)

4.5

Coefficient of determina
determination R2= 0.96

Figure 4.6 Courbe cumulative optimise au pas de temps annuel

La figure 4.7 issue de loptimisation de la courbe cumulative des sdiments respectivement au


pas de temps annuel, montre un apport en sdiments maximal estim de 9.91 hm3 pendant

94

Chapitre IV

Sdimentation du rservoir

anne 2003/2004.
2004. Cette mthode sera adopte afin destimer lapport solide pig dans le

rservoir.
Figure 4.7 Bilan sdimentaire annuel estim par la CCS au pas de temps annuel.

4.5 Conclusion
Lenvasement du rservoir a t modlis en combina
combinant
nt deux mthodes celle des levs
bathymtriques et la courbe de tarage en sdiments. Cette mthode reprsente une alternative
aux mthodes utilises, surtout lorsque les donnes bathymtriques existent, mais son
utilisation impose des donnes supplmentair
supplmentaires qui nee sont pas toujours disponibles,
disponibles telles
que la densit de la vase le rapport eau/ sdiments chasss (vacus).
Durant ces 45 annes dexploitation, le barrage connait un rgime de crues accentues
cette dernire dcennie, ce qui favorise l
lapport
apport solide et par consquent, laugmentation de la
vitesse de sa sdimentation.

95

Chapitre V
Loptimisation de la gestion du rservoir
et la contrainte sdimentation

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

5.1 Introduction
Dans le but, de grer les rservoirs tout en minimisant les dpts solides, plusieurs tudes ont
tent de driver des rgles de gestion ayant pour contrainte la minimisation du volume des
sdiments pigs (Nicklow and Mays 2000; Nicklow and Mays 1999; Shokri et al. 2013):
Bringer et Nicklow (2001) ont combin le modle HEC 6 (USBR 1998) et les
algorithmes gntiques afin de driver des consignes de gestion qui ont pour objectif la
minimisation des dpts solides dans un systme de rservoirs.
Hadihardaja (2009 ) a introduit un model de gestion pour un rservoir dans le but de
minimiser le dpt de sdiments et maximiser la production de lnergie la fois. En
combinant la programmation non linaire et les rseaux de neurones.
Ashraf Vaghefi et al. (2009) ont dfini comme objectifs la minimisation des dficits de la
satisfaction de la demande et de la sdimentation du rservoir.
Khan et Tingsanchali (2009) ont dvelopp le modle ROSSE (Reservoir OptimizationSimulation with Sediment Evacuation) qui se base sur les algorithmes gntiques et ayant un
module introduisant la sdimentation du rservoir dans la phase simulation.
Wan et al.(2010) en se basant sur une similarit entre coulement de leau et celui du
transport solide en cas de crues, ont labor des consignes de gestion amliores.

5.2 Mthodologie adopte


Les modles sus-cits se sont bass sur llaboration de consignes de gestion ayant pour
objectifs, la minimisation du volume de vase pige dans le rservoir, c.--d. des consignes de
chasse de fond ou dvacuation travers les vacuateurs de crues en parallle avec la
satisfaction de la demande.
Dans le prsent travail, les consignes sont issues principalement des objectifs pour une
satisfaction de la demande, ainsi quun stockage rserve pour dventuelles scheresses.
La sdimentation par contre est prise en compte implicitement en adaptant ces consignes
long terme la diminution du volume utile. En effet, ces consignes sont susceptibles dtre
plus flexibles, et varier le long des annes de gestion du rservoir, selon que, le volume utile
diminue ou augmente dans le cas o une opration de dragage est effectue.

97

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Le modle doptimisation par Programmation Dynamique Stochastique Explicite dont la


mthodologie a t prsente au deuxime chapitre est appliqu.

Figure 5.1 Approche propose 3

5.2.1. Programmation Dynamique Stochastique Explicite


La Programmation Dynamique Stochastique Explicite (PDSE) prsente au deuxime
chapitre est applique la gestion du rservoir de Foum El Kherza afin de pouvoir driver des
rgles de gestion optimales, tout en considrant la variation du volume utile de ce dernier le
long des annes de son opration.
Lquation (2.3) scrit pour un tat de stockage linstant t k, un tat dapport i, et un tat de
stockage au temps t+1 l faisable :

f nt ( k , i ) = Min B kil + Pijt f nt+11 (l , j ) k , i et l faisable


j

5. 1

5.2.1.1 Discrtisation des apports


Afin de pouvoir appliquer cette mthode, la discrtisation des apports est ncessaire. La srie
historique des apports tant longue de 43 annes, il est recommand dutiliser une srie
synthtique issue de la modlisation des apports au quatrime chapitre. Ces derniers seront
subdiviss en trois classes dapports pour chaque mois. La subdivision adopte est fonction de
la moyenne et de lcart type du mois considr (Harboe and Ratnayake 1993; Matcha 2011).

Approche propose par Pr. K. Nagesh

98

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Tableau 5.1 Srie synthtique gnre.


Srie Historique
Ecart type
Moyenne
(hm3)

Srie synthtique
Moyenne
Ecart type

SEP

3,74

4,80 3.54

5.13

OCT

2,15

3,78 2.29

3.85

NOV

1,83

3,60 2.02

4.56

DEC

1,54

4,45 1.56

3.1

JAN

1,86

3,53 2.73

4.61

FEV

1,60

2,90 2.2.0

3.86

MARS

3,60

6,46 3.7

7.03

AVRIL

3,44

9,06 3.76

7.9

MAI

3,02

6,36 1.39

1.97

JUIN

1,71

4,01 1.54

4.02

JUILL

0,54

1,18 0.82

2.59

AOUT

1,08

1,66 1.48

4.47

C(i, j) = x + 0.25

5.2

O:
C(i,j) classe de lobservation i du mois j

x j Moyenne du mois considr

j Ecart type de la mme srie


5.2.2 Matrices de transition
t

La probabilit de transition note Pij est estime en comptant le nombre de fois quun apport
liquide dun tat (ou classe) i au mois t passe un tat j au mois t+1 (Tableau 5.2).

99

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Tableau 5.2 Matrices de transitions.


0.6190
0.4444
0.5000
0.8421
0.6500
0
0.7037
0.3750
0.1429
0.4167
0.8333
0.3333

Sept-Oct
0.1905
0.2222
0.3333
Dec-Jan
0.1053
0.2000
0.3333
Mar-Avril
0.2963
0.5000
0.4286
Juin-Juil
0.4583
0.1667
0.3333

0.1905
0.3333
0.1667

0.6087
0.3000
0.5556

0.0526
0.1500
0.6667

0.7586
0.2857
0.3333

0
0.1250
0.4286

0.6957
0.6000
0.5000

0.1250
0
0.3333

0.6364
0.6000
0.6000

Oct-Nov
0.2609
0.4000
0.3333
Jan-Fev
0.1724
0.2857
0.1667
Avril-Mai
0.2609
0.1333
0
Juil-Aout
0.1818
0.0667
0.4000

0.1304
0.3000
0.1111

0.5455
0.4615
0.1429

0.0690
0.4286
0.5000

0.8077
0.3750
0.3750

0.0435
0.2667
0.5000

0.5185
0.7500
0.5714

0.1818
0.3333
0

0.6364
0.6000
0.6000

Nov-Dec
0.4545
0.4615
0.5714
Fev-Mar
0.1154
0.3750
0.2500
Mai-Juin
0.2963
0.2500
0.2857
Aout-Sept
0.1818
0.0667
0.4000

0
0.0769
0.2857
0.0769
0.2500
0.3750
0.1852
0
0.1429
0.1818
0.3333
0

5.2.3 Discrtisation du volume de la retenue


A chaque optimisation par PDSE, la capacit du rservoir de Foum El Kherza considre
initialement 32 hm3 et susceptible de varier est discrtise en un nombre de classes gales de
volumes, le nombre de classes choisi est de 10 classes.

5.2.4 La fonction objectif


La fonction objectif ( Bkilt ) fixe pour le rservoir de Foum El Kherza est la minimisation
de la somme des carts carrs entre les lchers (Rkilt ) et les lchers objectif (Tr ), et entre
t

le stock ( Sk ) et celui objectif ( Ts ) (Matcha 2011; Vedula and Mujumdar 2005).

min(Bkilt ) = min((Rkilt Tr )2 + (Skt Ts )2 )

5.3

Le choix du stock objectif est une question subjective (Akter and Simonovic 2004; Matcha
2011), en effet, fixer ce volume dpend du jugement du gestionnaire, sil prfre satisfaire la
demande en dpit de la rserve pour crise ou le contraire.
Le stock

objectif pour chaque mois est choisi de manire prvenir les tiages,

caractristique de la rgion surtout lorsque la demande est maximale et les apports sont trs
insuffisants. On choisi dadopter comme stock objectif de chaque mois la moyenne des
stockages mensuels historiques.
100

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Les lchers objectifs pour chaque mois sont pris gaux aux moyennes historiques des lchers
mensuels (Baliarsingh and Kumar 1997; Matcha 2011).

Tableau 5.3 Stocks et lchers objectifs


Mois

Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aout

Stock objectif
(hm3)

Lcher objectif
(hm3)

6.54
8.78
9.25
9.95
9.33
9.51
9.82
10.20
10.13
10.16
9.14
7.45

1.069
1.596
1.188
1.411
1.375
0.856
1.580
1.342
1.233
1.519
1.387
1.000

5.3 Optimisation de lopration par PDSE et la sdimentation du rservoir


Le modle labor au quatrime chapitre pour lestimation de la Sdimentation du Rservoir
Foum El Kherza est introduit dans celui de la PDSE implicitement afin de driver des rgles
de gestion optimales du rservoir chaque variation de son volume utile.

5.3.1 Rsultats de loptimisation


1. Volume utile (Vu=32hm3)
Etat stable atteint aprs quatre annes avec une fonction de Bellman f=675.87

101

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Tableau 5.4 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai).
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

Aout
i=1
2
2
2
3
3
4
4
4
5
5

JUIL
i=2 i=3 i=1
2
3
2
2
3
2
2
3
2
3
4
3
3
4
3
3
5
3
4
5
4
4
5
4
5
6
5
5
6
2

JUIN
i=2 i=3 i=1
2
2
3
2
3
3
2
3
3
3
3
3
3
4
3
3
4
4
4
5
4
4
5
5
5
5
5
2
2
5

MAI
i=2 i=3 i=1
3
5
3
3
5
3
3
5
3
3
6
3
4
6
4
4
6
4
5
7
4
5
7
5
5
8
5
6
8
6

i=2
3
3
3
4
4
5
5
5
6
6

i=3
5
6
6
6
7
7
8
8
8
9

Tableau 5.5 Indice (l*) des lchers optimaux (Avril, Mars, Fev, Janv)
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

AVR
i=1
3
3
3
3
4
4
4
5
5
6

i=2
2
3
3
3
4
4
4
5
5
6

i=3
6
6
7
7
8
8
8
9
9
9

MAR
i=1
3
3
3
3
4
4
4
5
5
6

i=2
2
2
3
3
4
4
4
5
5
6

i=3
4
4
5
5
5
6
6
7
7
7

FEV
i=1
3
3
3
3
4
4
4
5
5
7

i=2
2
2
2
3
3
4
4
4
5
7

i=3
3
3
4
4
4
5
7
7
7
7

JANV
i=1
3
3
3
3
4
4
4
5
5
6

i=2
2
2
2
3
3
4
4
4
5
5

i=3
3
4
4
4
5
5
6
6
7
7

Tableau 5.6 Indice (l*) des lchers optimaux (Dec, Nov, Oct, Sept)
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

DEC
i=1
3
3
3
3
4
4
4
5
5
6

i=2
2
2
3
3
4
4
4
5
5
6

i=3
4
5
5
5
6
6
7
7
7
8

NOV
i=1
3
3
3
3
4
4
4
5
5
6

OCT
i=2 i=3 i=1
3
4
3
3
4
3
3
5
3
3
5
3
4
5
3
4
6
4
4
6
4
5
6
5
5
7
5
6
7
5

SEPT
i=2 i=3 i=1
2
4
2
2
5
2
3
5
3
3
5
3
3
6
4
4
6
4
4
6
4
4
7
5
5
7
5
5
8
5

i=2
2
2
3
3
4
4
4
5
5
6

i=3
4
5
5
6
6
7
7
7
8
8

2. Volume utile moyen terme (5ans) (Vu=27.11hm3)


Etat stable atteint aprs quatre annes ditration avec une fonction de Bellman f= 657.96

102

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Tableau 5.7 Indice (l*) des lchers optimaux (Aout, Juil, Juin,Mai).
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

Aout
i=1
2
2
2
3
3
4
4
5
5
5

JUIL
i=2 i=3 i=1
2
3
3
2
3
3
2
4
3
3
4
3
3
5
4
4
5
4
4
5
4
4
6
5
5
6
5
5
7
5

JUIN
i=2 i=3 i=1
3
3
4
3
3
4
3
4
4
3
4
4
4
4
4
4
5
4
4
5
5
5
6
5
5
6
6
6
6
6

MAI
i=2 i=3 i=1
4
6
4
4
6
4
4
6
3
4
7
4
4
7
4
5
7
5
5
8
5
6
8
5
6
9
6
6
9
6

i=2
4
4
4
5
5
5
6
6
6
7

i=3
7
7
7
8
8
8
9
9
10
10

Tableau 5.8 Indice (l*) des lchers optimaux (Avril, Mars, Feb, Janv)
Mois

AVR
i=1
k=1 4
k=2 4
k=3 4
k=4 4
k=5 4
k=6 5
k=7 5
k=8 5
k=9 6
k=10 6

i=2
3
3
4
4
4
5
5
5
6
6

i=3
7
8
8
8
9
9
10
10
10
10

MAR
i=1
4
4
4
4
4
5
5
5
6
6

i=2
3
3
3
4
4
5
5
5
6
6

i=3
5
5
6
6
6
7
7
7
8
8

FEV
i=1
4
4
4
4
4
4
5
5
6
6

i=2
2
2
3
3
4
4
4
5
5
6

i=3
4
4
4
5
5
5
6
8
8
8

JANV
i=1
4
4
4
4
4
5
5
5
6
6

i=2
3
3
3
3
4
4
5
5
5
6

i=3
4
5
5
5
6
6
7
7
7
8

i=2
3
3
3
4
4
5
5
5
6
6

i=3
6
6
6
7
7
8
8
8
9
9

Tableau 5.9 Indice (l*) des lchers optimaux (Dec,Nov, Oct, Sep)
Mois

DEC
i=1
k=1 4
k=2 4
k=3 4
k=4 4
k=5 4
k=6 5
k=7 5
k=8 5
k=9 6
k=10 6

i=2
3
3
3
4
4
5
5
5
6
6

i=3
5
6
6
6
7
7
8
8
8
9

NOV
i=1
4
4
4
4
4
5
5
5
6
6

i=2
4
4
4
4
4
5
5
5
6
6

i=3
5
5
5
6
6
7
7
7
8
8

OCT
i=1
4
4
3
4
4
4
5
5
6
6

i=2
3
3
3
4
4
4
5
5
6
6

i=3
5
6
6
6
7
7
7
8
8
9

SEPT
i=1
3
3
3
4
4
5
5
5
6
6

3. Volume utile long terme (20 ans) (Vu=19.31hm3)


Etat stable atteint aprs quatre annes ditration avec une fonction de Bellman f= 657.57

103

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Tableau 5.10 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai)
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

Aout
i=1
3
3
3
3
4
4
4
5
5
6

i=2
2
2
3
3
3
4
4
5
5
5

i=3
4
4
5
5
5
6
6
7
7
7

JUIL
i=1
4
4
4
4
4
4
5
5
6
6

i=2
4
4
4
4
4
4
5
5
6
6

i=3
4
4
4
5
5
6
6
6
7
7

JUIN
i=1
5
5
5
5
5
5
5
6
6
7

i=2
5
5
5
5
5
5
6
6
7
7

i=3
7
8
8
9
9
9
10
10
10
10

MAI
i=1
5
5
5
5
5
5
6
6
6
7

i=2
6
6
6
6
6
6
7
7
7
8

i=3
9
9
9
10
10
10
10
10
10
10

Tableau 5.11 Indice (l*) des lchers optimaux (Avril, Mars, Fev, Janv)
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

AVR
i=1
5
5
5
5
5
5
6
6
6
7

i=2
4
4
4
5
5
5
6
6
7
7

i=3
10
10
10
10
10
10
10
10
10
10

MAR
i=1
5
5
5
5
5
5
6
6
7
7

i=2
3
4
4
4
5
5
6
6
6
7

i=3
6
6
7
7
7
8
8
8
9
9

FEV
i=1
5
5
5
5
5
5
5
6
6
7

i=2
3
3
3
4
4
5
5
5
6
6

i=3
4
5
5
6
6
6
7
7
8
8

JANV
i=1
5
5
5
5
5
5
6
6
6
7

i=2
3
3
3
4
4
5
5
5
6
6

i=3
5
6
6
7
7
7
8
8
8
9

Tableau 5.12 Indice (l*) des lchers optimaux (Dc, Nov, Oct, Sep
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

DEC
i=1
5
5
5
5
5
5
6
6
6
7

i=2
5
5
4
4
5
5
6
6
6
7

i=3
7
7
8
8
8
9
9
10
10
10

NOV
i=1
5
5
5
5
5
5
6
6
7
7

i=2
5
5
5
5
5
6
6
6
7
7

i=3
6
7
7
8
8
8
9
9
9
10

OCT
i=1
5
5
5
4
5
5
5
6
6
7

i=2
4
3
4
4
5
5
5
6
6
7

i=3
7
7
8
8
8
9
9
10
10
10

SEPT
i=1
4
4
4
4
5
5
6
6
6
7

i=2
4
4
4
4
5
5
6
6
6
7

i=3
7
8
8
9
9
9
10
10
10
10

4. Volume utile actuel correspondant au lev juillet 2007 (Vu=12.904 hm3)


Rellement, le rservoir na connu quune seule tranche de dvasement de 4hm3. Il est donc
intressant de connaitre le comportement du rservoir avec le volume utile rel. Etat stable
atteint aprs quatre annes avec une fonction de Bellman f= 710.72

104

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Tableau 5.13 Indice (l*) des lchers optimaux (Aout, Juil, Juin, Mai).
Mois
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
k=9
k=10

Aout
i=1
4
4
4
4
4
4
5
5
6
6

JUIL
i=2 i=3 i=1
3
5
5
2
6
5
3
6
5
3
6
5
4
7
5
4
7
5
4
8
5
5
8
6
5
8
6
6
9
7

JUIN
i=2 i=3 i=1
5
5
7
5
5
7
5
6
7
5
6
7
5
6
7
5
7
6
5
7
6
6
8
7
6
8
7
7
8
8

MAI
i=2 i=3 i=1
7
10 6
7
10 6
7
10 6
7
10 6
7
10 6
7
10 6
7
10 6
8
10 7
8
10 7
8
10 8

i=2
8
8
8
8
8
8
8
9
9
9

i=3
10
10
10
10
10
10
10
10
10
10

Tableau 5.14 Indice (l*) des lchers optimaux (Avril, Mars, Feb,Jan)
Mois

AVR
i=1
k=1 7
k=2 7
k=3 7
k=4 7
k=5 7
k=6 7
k=7 7
k=8 7
k=9 8
k=10 8

MAR
i=2 i=3 i=1
4
10 7
4
10 7
5
10 7
5
10 7
6
10 7
6
10 7
7
10 7
7
10 8
7
10 8
8
10 8

i=2
4
4
5
5
6
6
6
7
7
8

i=3
8
8
8
9
9
9
10
10
10
10

FEV
i=1
7
7
7
7
7
7
7
7
7
8

i=2
4
4
4
4
5
5
6
6
6
7

i=3
6
7
7
7
8
8
8
9
9
9

JANV
i=1
7
7
7
7
7
7
7
7
7
8

i=2
5
5
4
5
5
6
6
6
7
7

i=3
8
8
8
9
9
9
10
10
10
10

i=2
4
4
5
5
6
6
7
7
7
8

i=3
10
10
10
10
10
10
10
10
10
10

Tableau 5.15 Indice (l*) des lchers optimaux (Dc, Nov, Oct, Sept
Mois

DEC
i=1
k=1 7
k=2 7
k=3 7
k=4 7
k=5 7
k=6 7
k=7 7
k=8 7
k=9 7
k=10 8

i=2
6
6
6
6
6
6
7
7
8
8

i=3
10
10
10
10
10
10
10
10
10
10

NOV
i=1
8
8
8
8
8
8
8
8
8
8

i=2
7
7
7
7
6
7
7
8
8
8

i=3
9
9
9
10
10
10
10
10
10
10

OCT
i=1
6
6
6
6
6
6
6
7
7
7

105

i=2
5
5
5
5
5
6
6
7
7
7

i=3
10
10
10
10
10
10
10
10
10
10

SEPT
i=1
5
5
5
5
6
6
6
7
7
8

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

5.3.2 Application des rsultats de loptimisation aux tats historiques du rservoir


r
Les
es rgles de gestion optimales par PDSE pour les tats du systme historiques et apports
liquides correspondants
ts sont reprsentes sur la figure 5.2, cette dernire montre ces
diffrentes consignes (moyennes) en considrant la variation du volume utile.
Sur les douze mois de lanne, les mois de juin, juillet et aout sont dficitaires pour tous
les horizons avec un maximum au mois de juillet de 6.5 hm3, alors que les autres mois de
lanne montrent un surplus avec un maximum au mois de dc
dcembre
embre de 2hm3. Les lchers
historiques quant eux, restent trs infrieurs la demande.
Les diffrentes consignes drives pour diffrents volumes utiles forment une zone
optimale ne dpassant pas 1.65 hm3 de largeur, ce rsultat montre quune

gestion

optimale du rservoir reste possible mme si le rservoir senvase


senvase.

Figure 5.2 PDSE applique aux tats du systme et apports historiques (1967-2009).
(1967

5.4 Simulation de lopration du rservoir par Rseaux de N


Neurones Artificiels
La simulation par rseaux de neurones de lopration du rservoir pour diffrents volumes
utiles a t effectue en considrant un modle du type MLP (figure 5.3). Comme
C
entres au
modle, le stockage S linstant t , lapport liquide Q linstant t et comme sortie les lchers
optimaux Rt calculs par PDSE ont t considrs. La validation a t effectue avec les six
dernires annes (figure 5.4).

106

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Figure 5.3 Schma du MLP considr pour la simulation de lopration du rservoir

Figure 5.4 Rsultats de la simul


simulation
ation de lopration du rservoir par MLP (phase de
validation (2004-2010).
Les rsultats de la simulation pour la phase de validation montrent que lenvasement
du rservoir entraine une diminution des lchers optimaux, ce qui signifie, quon peut
p
garder
le volume deau dans le rservoir mme tant envas un niveau optimal,
optimal ce niveau tant
variable selon le taux denvasement du rservoir.

107

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

9
8

Lchers (hm3)

7
6
5
4
3
2
1
0
SEP

OCT NOV DEC

JAN

FEV MAR AVR MAI JUIN JUIL AOUT


Mois

Vu 27.11 hm3

Vu 32 hm3

Vu 19 hm3

Vu 12.90 hm3

Demande en eau (hm3)

Figure 5.5 Rsultats de la simulation par rseaux de neurones pour les tats historiques (lchers
moyens )

Afin dexaminer le comportement rel du rservoir avec les lchers retrouvs par
optimisation, qui, en effet ne reprsentent que des guides pour lexploitant (Iftikhar 2009;
Matcha 2011), une simulation de lopration du rservoir est ncessaire afin dvaluer sa
performance face ces rgles.
La simulation est effectue en utilisant lquation continuit :

S t +1 = S t + Qt Rt
St+1
St
Qt

( E t + Et +1 )
INFt
2

5.4

Stockage au temps t+1


Stockage au temps t
Apport liquide au temps t

Rt

Lcher au temps t

Et , Et+1

Volumes vapors nets au temps t et t+1

INFt

Volume infiltr au temps t

Les sries synthtiques des apports liquides obtenues avec le modle hybride SARIMABP
sont utilises pour la simulation de la rgularisation du rservoir.
Afin de dfinir la performance du systme on choisi deux indices trs rpandus (Bogardi and
Kundzewicz 2002; Matcha 2011; Vogel and Bolognese 1995)

108

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

Comme indices de performance du systme nous allons adopter les plus pondrants (Bogardi
and Kundzewicz 2002)On dfini :

Le risque
On peut distinguer deux types de risques

Le risque de non satisfaction de la demande

Le risque de dversement

Rsilience tant le temps au bout du quel le systme retourne un tat de fonctionnement


normal (Pabiot 1999).

Tableau. 5.16 Indices de performance pour diffrents volumes du rservoir


Volume du
Risque (%)
Rsilience (%)
rservoir
satisfaction de
Non dversement satisfaction
Non
la demande
de la
dversement
demande
32
31.74
100
16.66
100
27.11

31.74

99.60

16.66

91

19.31

31.74

95.63

16.66

75

12.90

31.74

81.74

16.66

58.33

Le tableau 5.16 rsume les tats de dfaillance du systme en adoptant les lchers optimaux
calculs par optimisation , ces indices montrent que le rservoir est toujours en tat de
dfaillance vis--vis la satisfaction de la demande alors que le risque de dversement

Volume optimal dans le rservoir (hm3)

augmente avec la diminution du volume utile du rservoir.


9
8
7
6
5
4
3
2
1
0

Mois
Vu 32 hm3

Vu 19.31 hm3

Vu 27.11 hm3

Vu 12.90hm3

Figure 5.6 Courbes consignes en fonction de lenvasement du rservoir


109

Chapitre V

Loptimisation de la gestion du rservoir et la contrainte sdimentation

La courbe 5.6 rsume le niveau deau consigne dans le rservoir pour diffrents horizons
bas sur un calcul par optimisation, ces courbes indiquent la flexibilit de la gestion quon
doit adopter en fonction de la rduction du volume de dpts solides dans le rservoir.

5.5 Conclusion
Ce chapitre nous a permis dexaminer et dvaluer la performance du rservoir de Foum El
Kherza, face la contrainte envasement et dtablir les courbes consignes en fonction de cette
contrainte pour diffrents horizons.
Il est noter que le risque de dfaillance la satisfaction de la demande est trs prsent, ceci
mme pour un volume maximal de 32 hm3. Aussi, notons que le dversement augmente avec
lenvasement du rservoir.

110

Conclusion gnrale

CONCLUSION GENERALE

Ce travail a consist dans sa premire partie en lanalyse du mode actuel de gestion des
rservoirs qui se trouvent dans la rgion des Aurs, cette analyse a fait apparaitre deux tats
diffrents:
Concernant les plus anciens : Foum El Kherza et Foum El Gueiss, leur gestion surtout pour
le deuxime est une gestion de crise de stockage dans lattente dune solution pour son
envasement. Foum El Kherza dfi encore, surtout avec les apports considrables ces dernires
annes. Les crues sont plus dangereuses avec la diminution du volume, et des surverses sont
prvoir.
Ceux de Babar et Fontaine des Gazelles attendent encore lachvement des travaux en
cours. Donc leur gestion actuelle reste plutt craintive de priodes dtiage du fait que la
demande nest pas encore bien dfinie.
La deuxime partie a consist en lapplication de la Programmation Dynamique
Stochastique pour loptimisation de la gestion dun barrage de la rgion des Aurs, choisi
sous lhypothse quil fait objet actuellement dune opration de rcupration de son volume
utile par dsenvasement.
Lexploitation des donnes obtenues auprs du service de gestion du barrage, nous a
permis dans un premier lieu dessayer de modliser quelques termes du bilan hydrique au
niveau du rservoir.
Les apports liquides, paramtre essentiel pour la gestion du rservoir, ont t modliss en
adoptant un modle hybride bas sur un modle autorgressif saisonnier du type SARIMA.
Lvaporation, quon ne peut ngliger pour une zone aride, a t estime par rseaux de
neurones avec une seule variable qui est le volume dans la retenue.
Les infiltrations quant elles, ont t estimes dune manire approximative en utilisant un
modle rgressif linaire cause de la non disponibilit de mesures prcises au niveau du
rservoir.
La demande en eau, a t value seulement en considrant celle des palmiers.
Lenvasement du barrage est estim en utilisant une mthode base sur une courbe
cumulative combinant la fois les levs bathymtriques effectus au niveau du barrage et la
relation dbit solidedbit liquide qui a t longuement utilise en exploitant les donnes des
stations hydromtriques.
Loptimisation par PDSE et afin de dcider des lchers optimaux compte tenue de la
diminution de volume utile, a fait apparaitre une zone optimale pour ces derniers selon les

112

CONCLUSION GENERALE

objectifs dfinis lors de loptimisation soient : la satisfaction de la demande et un stockage


rserve pour dventuelles annes sches.
En utilisant un modle neuronal, loptimisation de la gestion du rservoir devient plus
souple, des points de vue temps de calcul et complexit du modle. Ce modle est confront
par la suite la simulation afin de dfinir le comportement du systme adoptant les lchers
optimaux calculs par optimisation. Les courbes consignes ainsi obtenues varient selon le
volume dans le rservoir ce qui indique quil est plus convenable dadopter une gestion qui
saccommode avec lenvasement du rservoir surtout dans le cas o un modle destimation
de ce paramtre est disponible.
La PDSE reste parmi les mthodes les plus utilises pour la gestion des rservoirs,
cependant, il est trs intressant de pouvoir appliquer les mthodes de simulation (seules) et
optimisation non combine et dexaminer les rsultats.
Lintroduction de la variation de la demande na pas t effectue ceci, pour la raison que
ce rservoir reste destin seulement lirrigation des palmeraies.
Du point de vue gestion des rservoirs, lobjectif peut tre largi une gestion minimisant le
dpt solide, en dautres termes, la vitesse de la diminution du volume utile peut tre ellemme diminue en lintgrant dans la fonction objectif, ou une la gestion amliorant la
qualit de leau.
Il est intressant dexaminer la gestion dun systme de rservoirs, et dintroduire
lenvasement des diffrents rservoirs et linfluence de lenvasement dun rservoir sur la
gestion de lautre.
Enfin, La gestion des rservoirs en Algrie est reste dpendante des consignes labores
pendant la phase dtude. Dans le but daugmenter la performance de ces ouvrages, une
adaptation de cette gestion des conditions futures de modification de la ressource et de son
usage (incertains) est demande, avec les outils disponibles de modlisation.

113

Rfrences bibliographiques

Abrahart RJ, Kneale PE, See LM (2004a) Neural Networks for Hydrological Modeling. A.A.
Balkema,
Abrahart RJ, Kneale PE, See LM (2004b) Neural networks for hydrological modelling. A.A. Balkema
Publishers,
Abrahart RJ, See L (2000) Comparing neural network and autoregressive moving average techniques
for the provision of continuous river flow forecasts in two contrasting catchments
Hydrological
Processes
14:2157-2172
doi:10.1002/10991085(20000815/30)14:11/12<2157::aid-hyp57>3.0.co;2-s
Achite M, Ouillon S (2007) Suspended sediment transport in a semiarid watershed, Wadi Abd, Algeria
(1973-1995) Journal of Hydrology 343:187-202 doi:10.1016/j.jhydrol.2007.06.026
Akaike H (1974) A new look at the statistical model identification Automatic Control, IEEE
Transactions on 19:716-723 doi:10.1109/tac.1974.1100705
Akter T, Simonovic SP (2004) Modelling uncertainties in short-term reservoir operation using fuzzy
sets and a genetic algorithm / Modlisation dincertitudes dans la gestion de barrage court
terme grce des ensembles flous et un algorithme gntique Hydrological Sciences Journal
49:null-1097 doi:10.1623/hysj.49.6.1081.55722
ASCE TC (2000a) Artificial Neural Networks in Hydrology. I: Preliminary Concepts Journal of
Hydrologic Engineering 5:115-123
ASCE TC (2000b) Artificial Neural Networks in Hydrology. II: Hydrologic Applications Journal of
Hydrologic Engineering 5:124-137
Asselman NEM (2000) Fitting and interpretation of sediment rating curves Journal of Hydrology
234:228-248 doi:Doi: 10.1016/s0022-1694(00)00253-5
Baazi H (2002) Etude de faisabilit d'un ouvrage de substitution dans la valle de l'Oued El Abiod
Universit colonel El Hadj Lakhdar de Batna Facult des sciences de l'ingnieur
Baliarsingh F, Kumar N Stochastic Linear Programming for optimal reservoir operation - A case
study. In: Proceedings of International conference on Large scale water resources
development in developing countries: New dimensions of prospects and problems,
Kathmandu, Nepal, 1997. pp 124 -130.
Ballais J-L (1989) Aurs vol 7.
Ballini R, Soares S, Andrade MG Multi-step-ahead monthly streamflow forecasting by a neurofuzzy
network model. In: IFSA World Congress and 20th NAFIPS International Conference, 2001.
Joint 9th, 25-28 July 2001 2001. pp 992-997 vol.992. doi:10.1109/nafips.2001.944740
Batuca DG, Jordaan JM (2000) Silting and desilting of reservoirs. Taylor & Francis,
Belagoun F (2012) Etude et modlisation des crues des cours d'eaux en milieu semi aride. "Cas des
grands bassins versants 05,06,07". UNIVERSITE KASDI MERBAH OUARGLA
Belagoune F, Boutoutaou D (2013) Hydrological Study of Watersheds Arid and Semi-Arid SouthEastern Algeria (Chott Melghir, Chott El Hodna and Highlands Constantine) International
Journal of Geosciences 4:1483-1490
Bellman RE, Dreyfus, S.E. (1962) Applied dynamic programming. Princeton University Press
Princeton N.J. USA.
Benkhaled A, Remini B (2003) Analyse de la relation de puissance : dbit solide - dbit liquide
l'chelle du bassin versant de l'Oued Wahrane (Algrie) Journal of Water Science 16:333-356
Benkhaled A, Rezgui Z, Sakhraoui F (2013) Floods in Abiod Wadi Analysis of database Larhyss
Journal 14:179-191
Benmessaoud H (2009) Etude de la vulnrabilit la dsertification par des mthodes quantitatives
numriques dans le massif des Aurs (Algrie). Hadj Lakhdar
Berkane A, Yahiaou A (2007) Lrosion dans les Aurs Scheresse 18 213-216
Bertsekas D (2007) Neuro-Dynamic Programming: An Overview and Recent Results. In: Waldmann
K-H, Stocker U (eds) Operations Research Proceedings 2006, vol 2006. Operations Research
Proceedings. Springer Berlin Heidelberg, pp 71-72. doi:10.1007/978-3-540-69995-8_11
Bessenasse M, Kettab A, Paquier A (2004) Simulation numrique de la sdimentation dans les
retenues de barrages : cas de la retenue de Zardezas Revue des sciences de l'eau 16:20
115

Bogardi JJ, Kundzewicz ZW (2002) Risk, Reliability, Uncertainty, and Robustness of Water
Resources Systems. INTERNATIONAL HYDROLOGY SERIES. Cambridge University
Press,
Boudjelal M (2011) Contribution des Rseaux de Neurones Temporels dans le Traitement des Images
Animes. Universit des Sciences et de la Technologie dOran Mohamed Boudiaf
Boulhais N Recherches sur lAurs, bibliographie ordonne
Boumssenegh A (2007) Les inondations dans la ville de BISKRA Causes et Impacts. Hadj Lakhdar
Batna
Bourouba M (1996) Essai de quantification de l'rosion actuelle partir des mesures de turbidit en
Algrie orientale ORSTOM 16:230-250
Bringer JA, Nicklow JW (2001) Optimal Control of Sedimentation in Multi-Reservoir River Systems
Using Genetic Algorithms. In: Bridging the Gap. pp 1-10. doi:doi:10.1061/40569(2001)93
Brune GM (1953) Trap Efficiency of Reservoirs Trans Am Geophysical Union 34:407-418
Busson H (1900) Les valles de l'Aurs Annales de Gographie:43-55
Cancelliere A, Giuliano G, Ancarani A, Rossi G (2002) A Neural Networks Approach for Deriving
Irrigation Reservoir Operating Rules Water Resources Management 16:71-88
doi:10.1023/a:1015563820136
Celeste AB, Billib M (2009) Evaluation of stochastic reservoir operation optimization models
Advances in Water Resources 32:1429-1443 doi:10.1016/j.advwatres.2009.06.008
Celeste AB, Curi WF, Curi RC (2009) Implicit Stochastic Optimization for deriving reservoir
operating rules in semiarid Brazil Pesquisa Operacional 29:223-234
Chandramouli V, Raman H (2001) Multireservoir Modeling with Dynamic Programming and Neural
Networks Journal of Water Resources Planning and Management 127:89-98
doi:doi:10.1061/(ASCE)0733-9496(2001)127:2(89)
Chang H (1998) Fluvial-12 Mathematical model for erodible channels. San Diego, CA
Chauvin Y, Rumelhart DE (2013) Backpropagation: Theory, Architectures, and Applications. Taylor
& Francis,
Cherif EA, Errih M, Cherif HM (2009) Statistical modelling of the solid transport in the Wadi
Mekerra basin (Algeria) in the Mediterranean semi-arid zone Hydrological Sciences Journal
54:338-348 doi:10.1623/hysj.54.2.338
Chu WS, Yeh WWG (1978) A nonlinear programming algorithm for real-time hourlyreservoir
operations Journal of the American Water Resources Association 14:1048-1063
doi:10.1111/j.1752-1688.1978.tb02245.x
Cte M (1998) Les rgions bioclimatiques de lEst algrien Rhumel 6:57-71.
Coulibaly P, Anctil F, Bobe B (2001) Multivariate Reservoir Inflow Forecasting Using Temporal
Neural Networks Journal of Hydrologic Engineering 6:367-376 doi:doi:10.1061/(ASCE)10840699(2001)6:5(367)
Dams WCo (2000) Dams and Development: A New Framework for Decision-Making. Earthscan
Publications Ltd.,
Demmak A Recherche d'une relation empirique entre apports solides spcifiques et paramtres
physico-climatiques des bassins: application au cas Algrien. In: Walling DE, Foster SSD,
Wurzel P (eds) Challenges in African Hydrology and Water Resources Harare, 1984. IAHS,
pp 403-414
Deswal S, Pal M (2008) Artificial Neural Network based Modeling of Evaporation Losses in
Reservoirs World Academy of Science, Engineering and Technology 8
Daz-Robles LA, Ortega JC, Fu JS, Reed GD, Chow JC, Watson JG, Moncada-Herrera JA (2008) A
hybrid ARIMA and artificial neural networks model to forecast particulate matter in urban
areas: The case of Temuco, Chile Atmospheric Environment 42:8331-8340
doi:http://dx.doi.org/10.1016/j.atmosenv.2008.07.020
Dong X (2005) Appropriate flow forecasting for reservoir operation. University of Twente
Draper AJ (2001) Implicit Stochastic Optimization with Limited Foresight for Reservoir Systems. Ph.
D., UNIVERSITY OF CALIFORNIA
Duren FK, Beard LR (1972) Optimizing flood control allocation for a multipurpose reservoir Journal
of the American Water Resources Association 8:735-744 doi:10.1111/j.17521688.1972.tb05215.x
116

Findley DF, Monsell BC, Bell WR, Otto MC, Chen B-C (1998) New Capabilities and Methods of the
X-12-ARIMA Seasonal Adjustment Program
Fortin V, Ourda TBMJ, Rasmussen PF, Bobee B (1997) Revue bibliographique des mthodes de
prvision des dbits Revue des sciences de l'eau 4
Foued BA, Sameh M (2001) Application of goal programming in a multi-objective reservoir operation
model in Tunisia European Journal of Operational Research 133:352-361 doi:Doi:
10.1016/s0377-2217(00)00303-9
Frostick LE, Reid I, Layman JT (1983) Changing Size Distribution of Suspended Sediment in AridZone Flash Floods. In: Modern and Ancient Fluvial Systems. Blackwell Publishing Ltd., pp
97-106. doi:10.1002/9781444303773.ch7
Gaussen H, Vernet A (1958) Carte internationale du tapis vgtal et des conditions cologiques NI-32,
NJ-32 Tunis - Sfax.
Geiger AF (1963) Developing Sediment Storage Requirements for Upstream Retarding Reservoirs.
Paper presented at the Federal Inter-Agency Sedimentation Conference,
Geng G (2009) Development of Approaches to Integrated Water Resources Management. The
University of Edinburgh
Goodier CC (1997) Analysis of neural networks as a means of developing optimal reservoir operating
policies. Central Queensland University
Govindaraju RS, Rao AR (2000) Artificial neural networks in hydrology. Kluwer Academic
Publishers,
Hadihardaja IK (2009 ) Decision support system for optimal reservoir operation modeling within
sediment deposition control Water Science & Technology 59: 479-489
Harboe R, Ratnayake U (1993) Simulation of a reservoir with standard operating rule. Paper presented
at the Extreme Hydrological Events: Precipitation, Floods and Droughts, Yokohama,
Harley MJ, Chidley TRE (1978) DETERMINISTIC DYNAMIC PROGRAMMING FOR LONG
TERM RESERVOIR OPERATING POLICIES Engineering Optimization 3:63 - 70
Hassani A, Tajrishi M, Abrishamchi A (2008) Comparison of Several Evaporation Models Applied to
Reservoir of the Saveh Dam, Iran. Paper presented at the The 3rd International Conference on
Water Resources and Arid Environments and the 1st Arab Water Forum, Riyadh,
Hassoun MH (1995) Fundamentals of Artificial Neural Networks. Mit Press,
HEC (1991) HEC-6, Scour and Deposition in Rivers and Reservoirs, User's Manual. Davis, CA.
HEC (1995) HEC-RAS River Analysis System, User's Manual. Sandiego State University, Davis, CA
Heinemann HG (1984) Reservoir trap efficiency. In: Hadley RF, Walling DE (eds) Erosion and
sediment yield: some methods of measurement and modelling. GeoBooks, Norwich, p 201
Hyndman RJ, Khandakar Y (2008) Automatic Time Series Forecasting: The forecast Package for R
Journal of Statistical Software 27:1-22
Iftikhar A (2009) Optimal control of multiple reservoirs system under water scarcity. University of the
Punjab
ISL (2006) Diagnostic et expertise Barrage de Foum El Gherza.
Jacoby HD, Loucks DP (1972) Combined use of optimization and simulation models in river basin
planning Water Resources Research 8:1401-1414 doi:10.1029/WR008i006p01401
Jahani A (1992) Calculating the suspended sediment load of the Dez River. Paper presented at the
Erosion and Sediment Transport Monitoring Programmes in River Basins, Oslo,
Jain A, Kumar AM (2007) Hybrid neural network models for hydrologic time series forecasting Appl
Soft Comput 7:585-592 doi:10.1016/j.asoc.2006.03.002
Jain S, Singh VP (eds) (2003) Water Resources Systems Planning and Management. Developments in
Water Science,
Jha DK, Yorino N, Zoka Y, Hayashi Y (2008) SDP based Reservoir Operation Policy for Hydropower
Plants. Chugoku Electric Power Co. Inc., Japan
Jordan F (2007) Modle de prvision et de gestion des crues optimisation des oprations des
amnagements hydrolectriques accumulation pour la rduction des dbits de crue. cole
polytechnique fdrale de Lausanne EPFL
Julien PY (2010) Erosion and Sedimentation (2nd Edition). Cambridge University Press,

117

Karamouz M, Houck MH (1987) Comparison of stochastic and deterministic dynamic programming


for reservoir operating rule generation Journal of the American Water Resources Association
23:1-9 doi:10.1111/j.1752-1688.1987.tb00778.x
Karamouz M, Szidarovszky F, Zahraie B (2003a) Water Resources Systems Analysis. Lewis
Publishers,
Karamouz M, Vasiliadis HV (1992) Bayesian stochastic optimization of reservoir operation using
uncertain forecasts Water Resources Research 28:1221-1232 doi:10.1029/92wr00103
Karamouz M, Zahraie B, Khodatalab N (2003b) Reservoir Operation Optimization: A Nonstructural
Solution for Control of Seepage from Lar Reservoir in Iran Water International 28:19 - 26
Karim K, Goulter IC A more efficient approach to consideration of uncertainty in multiple reservoir
operation In: Tickle KS (ed) Stochastic Hydraulics '96, Mackay, Queensland, Australia, 1996.
A.A. Balkema,
Kasiviswanathan KS, Pandian RSR, S.Saravanan, Agarwal A (2011) Genetic programming approach
on evaporation losses and its effect on climate change for Vaipar Basin International Journal
of Computer Science Issues 8:269-274
Kassoul M, Abdelgader A, Belorgey M (1997) Caractrisation de la sdimentation des barrages en
Algrie. Revue scientifique de leau 10(3):339-358
Khalil M (2012) Pattern recognition Course chapitre 5. 2012
Khan AR (1996) A two-state deterministic dynamic programming model for optimising the joint
operation of Mangla and Tarbela reservoirs in Pakistan. University of British Columbia
Khan M, Prathapar S (2012) Water Management in Date Palm Groves. In: Dates. Medicinal and
Aromatic Plants - Industrial Profiles. CRC Press, pp 45-66. doi:doi:10.1201/b11874-6
Khan NM, Tingsanchali T (2009) Optimization and simulation of reservoir operation with sediment
evacuation: a case study of the Tarbela Dam, Pakistan Hydrological Processes 23:730-747
doi:10.1002/hyp.7173
Khanchoul K, El Abidine Boukhrissa Z, Acidi A, Altschul R (2010) Estimation of suspended sediment
transport in the Kebir drainage basin, Algeria Quaternary International In Press, Corrected
Proof doi:DOI: 10.1016/j.quaint.2010.08.016
Khanchoul K, Jansson MB (2008) Sediment Rating Curves Developed On Stage And Seasonal Means
In Discharge Classes For The Mellah Wadi, Algeria Geografiska Annaler: Series A, Physical
Geography 90:227-236 doi:10.1111/j.1468-0459.2008.341.x
Khanchoul K, Jansson MB, Lange J (2007) Comparison of suspended sediment yield in two
catchments, northeast Algeria Zeitschrift f&#252;r Geomorphologie 51:63-94
doi:10.1127/0372-8854/2007/0051-0063
Khanchoul K, Remini B (2009) Regressions on Monthly Stream Discharge to Predict Sediment Inflow
to a Reservoir in Algeria Journal of Geography and Geology 2:37-47
Khashei M, Bijari M (2010) An artificial neural network (p,&#xa0;d,&#xa0;q) model for timeseries
forecasting
Expert
Systems
with
Applications
37:479-489
doi:http://dx.doi.org/10.1016/j.eswa.2009.05.044
Kim T, J. Heo, Bae D, Kim J (2008) Single-reservoir operating rules for a year using multiobjective
genetic algorithm Journal of Hydroinformatics 10:163-179
Kuhn. M, Wing J, Weston S, AndreWilliams, Keefer C, Engelhardt A, Cooper T (2013) Classification
and Regression Training.
Kumar DN, Baliarsingh F (2003) Folded Dynamic Programming for Optimal Operation of
Multireservoir
System
Water
Resources
Management
17:337-353
doi:10.1023/a:1025894500491
Kumar P, Tiwari AK (2012) Evaporation Estimation Using Artificial Neural Network International
Journal of Computer Theory and Engineering 4:51-53
Ladlani I, Houichi L, Djemili L, Heddam S, Belouz K (2012) Modeling daily reference
evapotranspiration (ET0) in the north of Algeria using generalized regression neural networks
(GRNN) and radial basis function neural networks (RBFNN): a comparative study Meteorol
Atmos Phys 118:163-178 doi:10.1007/s00703-012-0205-9
Laffitte R (1939) tude gologique de l'Aurs (Algrie). Gouvernement gnral de l'Algrie,

118

Lamond B, Boukhtouta A, recherche ULFdsdlaDdl (2002) A Neuro-dynamic Programming Approach


for Stochastic Reservoir Management. Facult des sciences de l'administration, Universit
Laval,
Larson RE (1968) State increment dynamic programming. American Elsevier Pub. Co.,
Lecornu J (1998) Les barrages et la gestion des eaux. Paper presented at the International Conference
Water and Sustainable Development, Paris
Lee ES, Waziruddin S (1970) Applying gradient projection and conjugate gradient to the optimum
operation of reservoirs Journal of the American Water Resources Association 6:713-724
doi:10.1111/j.1752-1688.1970.tb01616.x
Lloyd EH (1963) A probability theory of reservoirs with serially correlated inputs Journal of
Hydrology 1:99-128 doi:10.1016/0022-1694(63)90035-0
Loucks DP, Beek Ev (2005) Water Resources Systems Planning and Management An Introduction to
Methods, Models and Applications. Studies and Reports in Hydrology. UNESCO
PUBLISHING,
Loucks DP, Stedinger JR, Haith DA (1981) Water resource systems planning and analysis. PrenticeHall,
Maass A (1962) Design of water-resource systems: new techniques for relating economic objectives,
engineering analysis, and governmental planning. Harvard University Press,
Maass A, Hufschmidt Mn, M . D, Robe rt T, Jr., HA, Marglin , Steven A ., (1962) Design of Water
Resource Systems. Cambridge
MacArthur RC, Hamilton D, Gee DM (1995) Application of Methods and Models of Prediction of
Land Surface Erosion and Yield. Davis, California
Matcha LPJ (2011) Simulation studies, command area development and design of hydraulic structures
of proposed Srisailam left bank canal,AP. PhD, Jawaharal Nehru Technological University
Kukatpally
Mathlouthi M, Lebdi F (2008) Evaluation de la fiabilit de gestion d'un barrage rservoir pour des
vnements secs / Assessment of the reliability of reservoir dam operation for dry events
Hydrological Sciences Journal 53:1194-1207 doi:10.1623/hysj.53.6.1194
Mebarki A (2004) Hydrologie des bassins de lest algrien : ressources en eau, amnagement et
environnement. UMConstantine
Meddi M, Khaldi A, Meddi H (1998) Contribution l'tude du transport solide en Algrie du nord.
Paper presented at the Modelling Soil Erosion, Sediment Transport and Closely Related
Hydrological Processes, Vienna,
Meharzi MKE (2010) Forets, gosystmes et dynamique du milieu : Le cas de l'Aurs. Universite des
frres Mentouri facult des scienes de la terre, de la gographie
Mehemai F (2009) Essai de modlisation de l'coulement et risque d'inondation dans le pimont
Nord-Est des Aurs (Approche gosystmique). Hadj Lakhdar Batna
Merabet B, Souissi D Algeria country paper. In: FAO (ed) Workshop on Irrigation of Date Palm and
Associated Crops, Damascus, Syrian Arab Republic, 2008.
Mitard AE (1941) Aperu des grands traits gographiques de l'Aurs, Algrie Revue de gographie
alpine:557-578
Moghaddamnia A, Ghafari Gousheh M, Piri J, Amin S, Han D (2009) Evaporation estimation using
artificial neural networks and adaptive neuro-fuzzy inference system techniques Advances in
Water Resources 32:88-97 doi:10.1016/j.advwatres.2008.10.005
Morris GL, Fan J ( 1998) Reservoir Sedimentation Handbook. McGraw-Hill Professional,
Mujumdar PP, Kumar DN (1990) Stochastic models of streamflow: some case studies Hydrological
Sciences Journal 35:395-410 doi:10.1080/02626669009492442
Mujumdar PP, Nirmala B (2007) A Bayesian Stochastic Optimization Model for a Multi-Reservoir
Hydropower System Water Resources Management 21:1465-1485 doi:10.1007/s11269-0069094-3

119

Murray DM, Yakowitz SJ (1979) Constrained differential dynamic programming and its application to
multireservoir
control
Water
Resources
Research
15:1017-1027
doi:10.1029/WR015i005p01017
Nandalal KDW, Bogardi JJ (2007) Dynamic Programming Based Operation of Reservoirs:
Applicability and Limits. International Hydrology Series. CAMBRIDGE UNIVERSITY
PRESS,
Nicklow J, Mays L (2000) Optimization of Multiple Reservoir Networks for Sedimentation Control
Journal
of
Hydraulic
Engineering
126:232-242
doi:doi:10.1061/(ASCE)07339429(2000)126:4(232)
Nicklow JW, Mays LW (1999) Operation of Multiple Reservoir Systems to Control Sedimentation in
Rivers and Reservoirs. In: WRPMD'99. pp 1-11. doi:doi:10.1061/40430(1999)105
Opricovic S, Djordjevic B (1976) Optimal long-term control of a multipurpose reservoir with indirect
users Water Resour Res 12:1286-1290 doi:10.1029/WR012i006p01286
Oven-Thompson K, Alercon L, Marks DH (1982) Agricultural vs. hydropower tradeoffs in the
operation of the High Aswan Dam Water Resour Res 18:1605-1613
doi:10.1029/WR018i006p01605
Pabiot F (1999) Optimisation De La Gestion D'un Barrage Collinaire En Zone Semi-Aride.
Parent E (1991) Elaboration des consignes de gestion des barrages-rservoirs. ECOLE NATIONALE
DES PONTS ET CHAUSSEES
Penman HL Natural Evaporation from Open Water, Bare Soil and Grass. In: Proceedings of the Royal
Society of London. Series A, Mathematical and Physical Sciences, 1948. pp 120-145
Peyron G (2000) Cultiver le palmier-dattier: guide illustr de formation. Cirad,
Phatarfod RM (1976) Some aspects of stochastic reservoir theory Journal of Hydrology 30:199-217
doi:10.1016/0022-1694(76)90101-3
Philbrick CR, Kitanidis PK (1999) Limitations of deterministic optimization applied to reservoir
operations Journal of Water Resources Planning and Management 125
R D (2008) R: A language and environment for statistical computing. R Foundation for Statistical
Computing. Vienna, Austria
Raman H, Chandramouli V (1996) Deriving a General Operating Policy for Reservoirs Using Neural
Network Journal of Water Resources Planning and Management 122:342-347
doi:doi:10.1061/(ASCE)0733-9496(1996)122:5(342)
Rani D, Moreira M (2010) SimulationOptimization Modeling: A Survey and Potential Application in
Reservoir
Systems
Operation
Water
Resources
Management
24:1107-1138
doi:10.1007/s11269-009-9488-0
Reddy MJ (2006) Swarm Intelligence and evolutionary computation for single and multiobjective
optimization in water resource systems. Indian Institute of Science
Regulwar DG, Kamodkar RU (2010) Derivation of Multipurpose Single Reservoir Release Policies
with Fuzzy Constraints J Water Resource and Protection 2
Reis LFR, Bessler FT, Walters GA, Savic D (2006) Water supply reservoir operation by combined
genetic algorithm - linear programming (GA-LP) Approach vol 20. vol 2. Springer, Dordrecht,
PAYS-BAS
Remini B, Avenard JM (1998) Evolution de lenvasement dans la retenue du barrage de Foum El
Gherza Bulletin du Rseau Erosion 18:98-105
Remini B, Hallouche W (2004) La sdimentation dans les barrages algriens Houille blanche 1:60-64
Remini B, Hallouche W ( 2005) Prvision de l'envasement dans les barrages du Maghreb Larhyss
Journal 04:69-80
Rezgui Z (2014) Caractrisation des crues de oued Labiod au droit de la retenue du barrage de Foum
el Gherza Biskra. Mohamed Khider
Ribeiro B (2005) Adaptive and Natural Computing Algorithms: Proceedings of the International
Conference in Coimbra, Portugal, 2005. Springer,
ROHWER CH (1931) Evaporation from Free Water Surfaces. U.S. Government Printing Office,
Saad M, Bigras P, Turgeon A, Duquette R (1996) Fuzzy Learning Decomposition for the Scheduling
of
Hydroelectric
Power
Systems
Water
Resources
Research
32:179-186
doi:10.1029/95wr02971

120

Saad M, Turgeon A, Bigras P, Duquette R (1994) Learning disaggregation technique for the operation
of long-term hydroelectric power systems Water Resources Research 30:3195-3202
doi:10.1029/94wr01731
Sajikumar N, Thandaveswara BS (1999) A non-linear rainfall-runoff model using an artificial neural
network vol 216. vol 1-2. Elsevier, Kidlington, ROYAUME-UNI
Salas JD (1980) Applied Modeling of Hydrologic Time Series. Water Resources Publications,
Samui P (2011) Application of Least Square Support Vector Machine(LSSVM) for Determination of
Evaporation Losses in Reservoirs Engineering 3:431-434
Satishkumar U, Balakrishnan P, Ramaswamy K (2010) Application of chance-constrained linear
programming model for reservoir sizing of a cascade system of tanks in northern Karnataka
Karnataka J Agric 23
Sechi GM, Sulis A (2007) Mixed Simulation-Optimization Technique for Complex Water Resource
System Analysis Under Drought Conditions. In: Rossi G, Vega T, Bonaccorso B (eds)
Methods and Tools for Drought Analysis and Management, vol 62. Water Science and
Technology Library. Springer Netherlands, pp 217-237. doi:10.1007/978-1-4020-5924-7_11
Senthil K, Jain SK, Agarwal SPK (2000) Application on ANN in reservoir operation National Institute
of Hydrology, Uttaranchal, India
Senthil KAR, Goyal M, Ojha CSP, Singh RD, Swamee PK, Nema RK (2013) Application of ANN,
Fuzzy Logic and Decision Tree Algorithms for the Development of Reservoir Operating Rules
Water Resources Management 27:911-925 doi:10.1007/s11269-012-0225-8
Serrat-Capdevila A, Valds J (2007) An alternative approach to the operation of multinational
reservoir systems: Application to the Amistad & Falcon system (Lower Rio Grande/Ro
Bravo) Water Resources Management 21:677-698 doi:10.1007/s11269-006-9035-1
Shahidi AAM (2009) Evaluation of Combined Models of DP and Neural Networks in Single
Reservoir Operation Journal of Applied Sciences Research 5
Shalamu A (2009) Monthly and seasonal streamflow forecasting in the Rio Grande Basin. New
Mexico State University
Shokri A, Haddad O, Mario M (2013) Reservoir Operation for Simultaneously Meeting Water
Demand and Sediment Flushing: A Stochastic Dynamic Programming Approach with Two
Uncertainties Journal of Water Resources Planning and Management 139:277-289
doi:doi:10.1061/(ASCE)WR.1943-5452.0000244
Simonovic SP (2009) Managing Water Resources: Methods and Tools for a Systems Approach.
Studies & Reports in Hydrology.
Singh KP, Durgunoglu A (1990) An improved methodology for estimating future reservoir storage
capacities: Application to surface water supply reservoirs in Illinois. Division of Water
Resources Illinois Department of Transportation Champaign,
, Illinois
Siqueira TG, Zambelli M, Cicogna M, Andrade M, Soares. S Stochastic Dynamic Programming for
Long Term Hydrothermal Scheduling Considering Different Streamflow Models. In: 9th
International Conference on Probabilistic Methods Applied to Power Systems, KTH,
Stockholm, Sweden, 2006.
Sivapragasam C, Vasudevan G, Maran J, Bose C, Kaza S, Ganesh N (2009) Modeling EvaporationSeepage Losses for Reservoir Water Balance in Semi-arid Regions Water Resources
Management 23:853-867 doi:10.1007/s11269-008-9303-3
Sudha V, Ambujam NK, Venugopal K (2006) A Data Mining Approach for Deriving Irrigation
Reservoir Operating Rules.
Sule BF (1988) Reservoir operation policies for optimizing energy generation at the Shiroro Dam
Water Resources Management 2:209-219 doi:10.1007/bf00429902
Tabari H, Marofi S, Sabziparvar A-A (2010) Estimation of daily pan evaporation using artificial
neural network and multivariate non-linear regression Irrigation Science 28:399-406
doi:10.1007/s00271-009-0201-0
Tatar H, Touil S, Amireche H (2012) Protection des milieux naturels contre lerosion hydrique et
developpement durable en milieu Atlasique algerien Cas de quelques bassins de lAurs
central (Algrie) REVISTA DE GEOMORFOLOGIE 14
121

Terfous A, Megnounif A, Bouanani A (2001) Etude du transport solide en suspension dans l'Oued
Mouilah (Nord Ouest Algrien) Rev Sci Eau 14:173-185.
Terzi O, Keskin ME, Taylan ED (2006) Estimating Evaporation Using ANFIS Journal of Irrigation
and Drainage Engineering 132:503-507
Tihay JP (1973) Note sur quelques paloformes priglaciaires observes en Algrie orientale
Mditerrane:37-47
Tixeront J (1960) Dbit Solide des cours d'eau en Algrie et en Tunisie Paper presented at the Helsinki
General Assembly, Helsinki,
Touaibia B, Aidaoui A, Gomer D, Achite M (2001) Temporal quantification and variability of
sediment discharge in a semiarid area in northern Algeria Hydrological Sciences Journal
46:41-53 doi:10.1080/02626660109492799
Toumi A, Remini B ( 2004) Barrage de Foum El Gherza face au Problme de fuites deau Larhyss
Journal:25-38
Tsenga F-M, Yub H-C, Tzengc G-H (2002) Combining neural network model with seasonal time
series ARIMA model Technological Forecasting & Social Change 69:71-87
Turgeon A, Charbonneau R (1998) An aggregation-disaggregation approach to long-term reservoir
management Water Resour Res 34:3585-3594 doi:10.1029/98wr02608
USACE (1985) HEC3 River system analysis for conservation. US Army Corps of Engineers
Davis CA
USACE (1986) HEC 5 Simulation of flood control and conservvation systems USACE, Davis CA
USACE (2003) HEC-ResSim. Reservoir System Simulation. US Army Corps of Engineers,
Hydrologic Engineering Center, Davis CA
USBR (1998) HEC-6 Scour and Deposition in Rivers and Reservoirs Users Manual, Version 4.1.
edn., Davis, California
Vachala S (2008) vaporation sur les retenues EDF du Sud de la France. Universit Pierre et Marie
Curie, cole des Mines de Paris, cole Nationale du Gnie Rural des Eaux et des Forts
Vaghefi A, Zahrai S, Mohammadi M, Hashemi B (2009) Flushing Sediment Removal Optimization
Using Reservoir Operation Model: Sefid-Rud Case Study Iranian Jornal of Watershed
Management Science&Engineering 3:39-48
Vedula S, Mujumdar PP (2005) Water resources systems: modelling techniques and analysis. Mcgraw
Hill Higher Education
Vogel M, Bolognese RA (1995) Storage-reliability -resiliense yield relations Water ressources
research 31
Waibel A, Hanazawa T, Hinton G, Shikano K, Lang KJ (1989) Phoneme recognition using time-delay
neural networks Acoustics, Speech and Signal Processing, IEEE Transactions on 37:328-339
doi:10.1109/29.21701
Walling DE (1977a) Derivation of erosion and sediment yield parameters in areas with deficient datareconnaissance measurements Hydrological Sciences Journal 22:517-520
Walling DE (1977b) Limitations of the rating curve technique for estimating suspended sediment
loads, with particular reference to British rivers. Paper presented at the Erosion and Solid
Matter Transport in Inland Waters, Paris
Wan X, Wang G, Yi P, Bao W (2010) Similarity-Based Optimal Operation of Water and Sediment in
a
Sediment-Laden
Reservoir
Water
Resources
Management
24:4381-4402
doi:10.1007/s11269-010-9664-2
Wang X, Lu W, Cao S, Fang D (2007) Using Time-Delay Neural Network Combined with Genetic
Algorithms to Predict Runoff Level of Linshan Watershed, Sichuan, China Journal of
Hydrologic Engineering 12:231-236 doi:doi:10.1061/(ASCE)1084-0699(2007)12:2(231)
Wang YC, Yoshitani J, Fukami K (2005) Stochastic multiobjective optimization of reservoirs in
parallel Hydrological Processes 19:3551-3567 doi:10.1002/hyp.5845
Wurbs R (1991) Optimization of Multiple-Purpose Reservoir System Operations: A Review of
Modeling and Analysis Approaches. Davis CA
Wurbs RA (1997) Computer Models for Water-Resources Planning and Management: National Study
of Water Management During Drought. DIANE Publishing,

122

Yakowitz S (1982) Dynamic programming applications in water resources Water Resour Res 18:673696 doi:10.1029/WR018i004p00673
Yeh WWG (1985) Reservoir Management and Operations Models: A State-of-the-Art Review Water
Resour Res 21:1797-1818 doi:10.1029/WR021i012p01797
Yonaba H (2009) Modlisation hydrologique hybride rseau de neurones-modle conceptuel.
Universit LAVAL
Young GK (1967) Techniques for finding reservoir operating rules. Harvard University,
Zahraie B, Hosseini SM (2009) Development of reservoir operation policies considering variable
agricultural water demands Expert Syst Appl 36:4980-4987 doi:10.1016/j.eswa.2008.06.135
Zhang GP (2003) Time series forecasting using a hybrid ARIMA and neural network model
Neurocomputing 50:159-175 doi:http://dx.doi.org/10.1016/S0925-2312(01)00702-0
Ziaei M, Shui LT, Goodarzi E (2012) Optimization and simulation modelling for operation of the
Zayandeh Rud Reservoir Water International 37:305-318 doi:10.1080/02508060.2012.688189

123

Vous aimerez peut-être aussi