Méthode de prédiction des pluies

extrêmes à l’aide de la loi de Gumbel

Par BABAKA LELO Kevin

Ingénieur d’études DED/ACGT

0
1. Introduction

1.1. Contexte et problématique

Les fortes précipitations qui tombent dans une contrée donnée conduisent parfois à des
catastrophes naturelles graves : destruction de l’habitat à la suite d’une inondation,
effondrement des infrastructures d’intérêt public, enclenchement des érosions. Les
différents problèmes qui peuvent survenir à la suite de fortes pluies donnent lieu à des
dépenses lourdes qui pèsent sur la balance du Trésor Public de l’Etat.
La RD Congo et en particulier la ville de Kinshasa sont caractérisées par une forte
pluviométrie qui constitue aujourd’hui l’une des causes majeures de destruction des
infrastructures socioéconomiques du pays.
Face à cet état des choses, la disponibilité et l’analyse des données des pluies se révèlent
nécessaires pour prédire la survenance des fortes pluies de manière à prévenir les
différentes catastrophes qui peuvent s’en suivre.
La RD Congo ne dispose que d’un nombre insuffisant de stations de mesure des hauteurs
d’eau des pluies. Ce qui prête à des sérieuses difficultés pour disposer des données
techniques nécessaires à la prédiction des catastrophes et à la mise en œuvre des projets
d’infrastructures durables.
Toutefois, des données pluviométriques journalières peuvent être recueillies à partir de
certains sites web à accès gratuit. Ces données nécessitent un traitement assez poussé
pour aboutir à des courbes et à des tables IDF (Intensité-Durée-Fréquence) donnant les
intensités maximales des pluies correspondant à des périodes de retour données.
Puisque la fréquence et les intensités des pluies enregistrées dans une zone donnée
dénotent un caractère fortement aléatoire, les scientifiques ont mis sur point des
méthodes d’analyse mathématique adaptés pour étudier le comportement probabiliste des
valeurs extrêmes d’une série des données aléatoires. L’ensemble de ces techniques
constitue généralement la branche connue sous le nom de ‘’Analyse fréquentielle des
données’’. Parmi les lois mathématiques utilisées à cet effet, on compte la loi de Gumbel
dont la distribution semble convenir le mieux pour le traitement des données pluviales.
1.2. Objectifs et intérêt du sujet
Le principal objectif poursuivi dans ce travail est de mettre à la disposition des ingénieurs
de l’ACGT une méthodologie de prédiction des fortes pluies à partir de la loi Gumbel.
L’Agence Congolaise des Grands Travaux ayant pour missions la conception et le
management des projets d’infrastructures ne peut assurer correctement sa mission qu’en
disposant, entre autres, de connaissances techniques lui permettant de prédire la
survenance des fortes pluies en réalisant des infrastructures durables capables d’assurer la
1
sécurité des personnes et de leurs biens face à des aléas liés au débordement des eaux des
pluies.
2. Etapes de l’analyse fréquentielle des pluies
2.1. Introduction

L’analyse fréquentielle est définie comme étant une méthode statistique de prédiction
basée sur l’étude des événements passés, relatifs à un processus donné, afin d’en définir
les probabilités d’apparition future.
Cette méthode repose sur la définition et la mise en œuvre d’un modèle fréquentiel qui
se traduit par une équation décrivant le comportement statistique d’un processus. Ces
modèles décrivent la probabilité d’apparition d’un événement de valeur donnée.
L’analyse fréquentielle fait appel à diverses techniques statistiques et une filière complexe
qu’il convient de traiter avec beaucoup de rigueur. Ses diverses étapes peuvent être
schématisées très simplement selon le diagramme suivant :

Figure 2.1. Principales étapes de l’analyse fréquentielle

2.2. Notions de risque hydrologique

La probabilité d’apparition d’un phénomène est un concept important pour le

dimensionnement des structures soumises à l’action produite par un phénomène naturel.
On définit l’intervalle moyen de récurrence, ou période de retour, par :

2
 1

=


Avec P : probabilité de dépassement (p(X > )

2.3. Choix du modele frequentiel

La validité des résultats d’une analyse fréquentielle dépend du choix du modèle

fréquentiel et plus particulièrement de son type. Plusieurs voies peuvent être exploitées
pour aboutir à un choix optimal , mais il n’existe malheureusement pas de méthode
universelle et infaillible.
De manière générale, les lois de distribution utilisées en hydrologie sont : la loi normale,
la loi log normale et la loi de Gumbel qui fait partie de la catégorie des lois appelées ‘’lois
des valeurs extrêmes ‘’.
La loi de Gumbel est la forme limite de la distribution de la valeur maximale d’un
échantillon de n valeurs. Le maximum annuel d’une variable étant considéré comme le
maximum de 365 valeurs journalières, cette loi doit ainsi être capable de decrire les
series de maxima annuels.

2.4. Présentation de la loi de Gumbel

Le maximum d’un nombre suffisamment grand de variables aléatoires converge en

probabilité vers la loi généralisée des valeurs extrêmes (GEV)

La distribution de cette loi s’exprime de la manière suivante :

Avec :
a : le paramètre de position
b : le paramètre d’echelle
c : le parametre de forme
De cette forme généralisée, trois lois peuvent être déduites en fonction de la valeur du
paramètre c :
Tableau 1 : les trois lois de distribution des valeurs extrêmes

3
La fonction de repartition de la loi de Gumbel s’exprime de la manière suivante :


En procédant à un changement de variables  = , la fonction de répartition s’écrit :

) = exp  exp))

Ce qui implique :  = ln  ln )).

Il se degage donc que l’expression d’un quantile est lineaire. Pour déterminer la valeur xq
d’un quantile correspondant à la distribution F(xq)=q, il suffit d’utiliser la relation
suivante :
 =   

La forme linéaire ainsi obtenue facilite, comme nous le verrons dans la suite, la mise en
œuvre de la méthode graphique de l’ajustement du modèle probabiliste.

2.5. Techniques d’ajustement du modèle fréquentiel

On distingue deux types de technique d’ajustement, à savoir : la méthode graphique et la

méthode analytique. Dans le panel de méthodes analytiques, plusieurs techniques ont été
développées dont la méthode des moments, des L-moments, des moindres rectangles, du
maximum de vraisemblance. Dans le cadre de cette reflexion, nous nous limiterons à ne
présenter que la méthode graphique et la méthode des moments.

2.5.1. Méthode graphique

C’est une méthode empirique qui consiste à placer sur un graphique les points constituant
un échantillon donné, calculant pour chaque valeur sa fréquence expérimentale de
dépassement ou de non dépassement. Dans le cas d’un ajustement suivant la loi de
Gumbel, la méthode graphique repose sur le fait que l’équation permettant de
déterminer un quantile corresponde une droite.

4
 Figure 2.2 : Principe de la méthode d’ajustement graphique

Plusieurs formules sont présentées dans la littérature pour le calcul de la fréquence. Elles
reposent toutes sur un tri de la serie par valeurs croissantes permettant de faire
correspondre à chaque valeur son rang r. Dans leurs formes génériques, ces formules
s’expriment comme suit :


 =
!12
pr : probabilité de dépassement de la rème valeur
r : le rang qu’occupe la valeur
n : le nombre d’observation
α : paramètre qui varie selon les auteurs (Voir tableau suivant)

Tableau 2: Détermination de la fréquence expérimentale pour la méthode graphique

Auteur Formule
  0,5
Hazen #  0,5
!

Weibull #  0
!1
  0,3
Chegodayev #  0,3
!  0,4
3

Blom #  8 0,375
1
!
4
1

Tukey #  3 0,333
1
!
3
5
   0,44
Gringorten # = 0,44
!  0,12
  0,4
Cunnane # = 0,40
!  0,2

De nombreuses simulations ont montré que pour la loi de Gumbel, il est judicieux
d’utiliser la formule de Hazen.

Pour résumer, Les étapes à suivre sont :

(i) Classer les événements xi par ordre décroissant et affecter à la plus grande
valeur l’ordre 1
(ii) Calculer la fréquence expérimentale associée à chaque événement à l’aide
de la formule de Hazen

2.5.2. Méthode des moments

Cette méthode consiste à égaler les moments échantillonnaux et les moments théoriques
de la loi théorique choisie. Pour un échantillon de n valeurs, les valeurs de la moyenne et
de la variance se calculent respectivement comme suit :
∑0
1 / 6
*̂ = -, = et 34 5 = ∑267  ̅ )5
2 2
6

Sachant que pour la loi de Gumbel, nous avons :

De ce fait, on obtient les formules suivantes :

2.6. Contrôle de l’ajustement

Il existe toujours des écarts entre les fréquences expérimentales des valeurs observées et
les fréquences des mêmes valeurs calculées à partir d’une fonction de répartition
quelconque. L’analyse graphique est l’un des bons moyens pour juger de la qualité d’un
ajustement et constitue la première étape à tout test statistique mais reste insuffisante
pour le choix définitif de la loi théorique. Le test statistique d’adéquation consiste à
comparer l’adéquation de plusieurs lois afin d’adopter le moins mauvais ajustement. Les
tests les plus utilisés sont le test 9 5 de K.Pearson et le test de Kolmogorov Smirnov.

3. Exercices pratiques
6
Dans ce volet, il s’agit de présenter un cas pratique de l’analyse fréquentielle des données
pluviales de la ville de Kinshasa. Les données à traiter proviennent de l’Agence Nationale
de météorologie et de Télédétection par Satellites, METTELSAT en sigle.
Le tableau suivant fournit les maximums des intensités des pluies enregistrées de 1961 à
2012.

Année Précip max (mm) Année Précip max (mm)

1961 163.3 1987 96.0
1962 125.5 1988 85.2
1963 95.0 1989 126.4
1964 92.0 1990 142.3
1965 150.2 1991 73.5
1966 81.2 1992 79.4
1967 112.0 1993 97.0
1968 69.5 1994 108.8
1969 87.0 1995 69.0
1970 89.4 1996 66.2
1971 80.9 1997 96.2
1972 71.0 1998 123.4
1973 128.2 1999 72.9
1974 88.8 2000 95.4
1975 90.0 2001 212
1976 87.0 2002 99.6
1977 83.3 2003 83.4
1978 95.0 2004 72.6
1979 76.4 2005 75.6
1980 72.0 2006 99.4
1981 147.0 2007 221.5
1982 84.8 2008 91.2
1983 64.6 2009 60
1984 66.7 2010 141.6
1985 106.0 2011 129.2
1986 107.8 2012 44

En appliquant la méthode analytique dite des moments, nous obtenons pour les
paramètres de la loi de Gumbel les valeurs suivantes :
• : = ;<. >?@ et A = B@. ?>C

Et il s’ensuit :

période de retour T= 100 50 20 5 2 [ans]

probabilité de non
dépassement de Qp= 0.99 0.98 0.95 0.8 0.50 [-]
variable réduite de Gumbel= 4.6 3.9 3.0 1.5 0.4 [-]
Qp pour période de retour T = 208.5 189.6 164.4 124.5 93.8 [mm]

7
 4. Conclusion
Le concept de risque hydrologique est à la base du choix de la période de récurrence
utilisée pour la conception d’ouvrages hydrauliques. Elle représente la probabilité qu’un
critère de conception soit dépassé au moins une fois pendant la période de retour calculée
(T).
L’analyse statistique permet de synthétiser l’information hydrologique représentée par
des séries de mesure sur plusieurs années et consiste en la formalisation de ces données
observées par une expression mathématique. Le problème consiste à choisir le modèle
probabiliste qui représentera au mieux la série expérimentale.
La loi de Gumbel constitue l’une des voies les mieux adaptées pour étudier les fréquences
des intensités maximales des pluies. Dans ce travail, il a été présenté les propriétés de la
loi de Gumbel et les méthodes utilisées pour analyser les données sur base de cette loi.
L’appréhension de cette méthodologie permettra de mieux maitriser le risque de plus en
plus grandissant des inondations et érosions qui peuvent survenir après des fortes pluies
qui tombent ces dernières années dans les villes de la RD Congo.
Un cas pratique a été traité sur base des données des pluies fournies par METTELSAT et a
permis de déterminer les hauteurs de pluie attendues pour périodes de retour de 2 ans,
de 5 ans, de 10 ans, 20 ans, 50 ans et 100 ans.

8
Références bibliographiques

1. Prof TITO, Hydrologie et notions d’hydraulique, notes de cours, UNIKIN

2. Michel LANG, Méthodes de prédétermination des pluies et des crues extrêmes,
Cemagref, septembre 2018.
3. Tuart Coles, An Introduction to Statistical Modeling of Extreme Values,, Springer-
Verlag, 2001