Modélisation

BIENVENUE À LA SOUTENANCE
DE
CEDRIC GOHOUEDE
Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 1 / 27

Ecole Nationale Supérieure de Génie
Mathématique et Modélisation
Modélisation des débits journaliers du

bassin versant de l’Ouémé à Savè à l’aide
des équations différentielles stochastiques
Lionel Cédric GOHOUEDE
28 décembre 2021
Maîtres mémoire : Superviseur :

Dr (MA) MOUSSA DJIBRIL A. Dr (MC) ALAMOU Éric
Dr (MA) BIAO I. Eliézer
PLAN
1 Introduction
2 Matériel
3 Méthodologie
4 Résultats et discussions
5 Conclusion et perspectives

Introduction
Contexte et justification :
- l’accélération de la variabilité du climat ;
- la gestion des ressources en eau ;
- l’aménagement du territoire ;
- les risques hydrologiques (inondation, sécheresse) ;
- Nécessité d’une approche stochastique pour prendre en
compte les incertitudes.

Introduction
Objectifs
1 Objectif général :
Proposer un modéle stochastique pluie-débit
2 Objectifs spécifiques :
Etablir l’EDS et l’EFP ; puis les résoudre numériquement.
Hypothèses de travail
1 Hypothèse 1 : PMA
2 Hypothèse 2 : Processus gaussien

Bassin versant
F IGURE – 1 : Schéma d’un bassin versant. (Suchet Amiotte, 2014)

Matériel
Données(1971 à 2011) :
1 Précipitations
(Source :
Météo-Bénin)
2 ETP (Source :
Météo-Bénin)
3 Débits : (Source :
Direction Générale de
l’Eau/ DG-Eau)
Logiciel : MATLAB
2018b ;
PC : LENOVO, Ram 8
GB, intel core i5.
Figure 2 : Localisation du bassin versant de l’Ouémé à Savè.
(Sintondji, 2014)

Méthodologie

Présentation du ModHyPMA
ModHyPMA : Modèle Hydrologique basé sur le Principe de
Moindre Action ; proposé par Afouda A. et Alamou E. (2010).
PMA : Principe de Moindre Action (Maupertuis et Fermat ;
18ème siècle)
Équations du ModHyPMA (Alamou, 2011) :
1 Équation de production
dZ (q, t)
= ψ(q, t) (1)
dt
2 Équation de transformation
d(λQ)
+ µQ 2µ−1 = ψ(q, t) (2)
dt

Paramètres et entrées du ModHyPMA
•
Z (q, t) fonction de production ;
•
Q débit à l’exutoire du bassin versant ;
•
ψ(q, t) = X (t)q(t) entrée ou forçage du modèle ;
•
X (t) coefficient de proportionnalité décrivant l’état du sol au
jour t ;
•
q est l’apport des précipitations à l’écoulement (pluie
effective) ;
•
q(t) = 0 si P < ETP et q(t) = P − ETP si P ≥ ETP
•
µ, λ, TX et P2 : paramètres du modèle, obtenus par un
calage.

Formulation du modèle stochastique
Forme générale de l’équation de transformation (2) :
dQ
≈Y
bt (3)
dt
bt = − µ Q 2µ−1 + 1 ψ(q, t) la structure du ModHyPMA
avec Y
λ t λ
(hypothèse 1).
Approximation de dQdt
par le processus stochastique Yt :
dQ
= Yt (4)
dt
avec Yt = Y
bt + rt (5)
rt le terme stochastique qui modélise les incertitudes
considéré, par hypothèse (hypothèse 2), comme un
processus gaussien.
On a :
rt − R
ε(t) = (6)
G
avec
•
ε(t) le bruit blanc gaussien ;
•
R = E[rt ] : Espérance de rt ;
•
G = σr : l’écart-type (intensité du bruit) de rt .
L’équation (6) donne :
rt = R + G.ε(t) (7)
En remplaçant (7) dans (5) puis dans (4), on obtient :
dQ µ 1
= − Q 2µ−1 + ψ(q, t) + R + G.ε(t) (8)
dt λ λ

De l’équation (8), on déduit l’ EDS du modèle stochastique :
dQ = f (Q, t)dt + G.dW (t), Q(t0 ) = Q0 (9)
avec
•
Q(t0 ) = Q0 le débit intial
µ 1
•
f (Q, t) = − Q 2µ−1 + ψ(q, t) + R (coefficient de
λ λ
transfert) ;
µ 1
•
R = E[ d(Q)
dt
+ Q 2µ−1 − ψ(q, t)] ;
r λ λ
µ 1
•
G = Var [ dQ dt
+ Q 2µ−1 − ψ(q, t)] (coefficient de
λ λ
diffusion) ;
•
W (t) le processus du mouvement Brownien standard.

Equation de Fokker-Planck(EFP)
l’EFP associée à l’EDS (9) est la suivante :
∂P(Q, t) ∂ 1 ∂2
=− [f (Q, t)P(Q, t)] + [G2 P(Q, t)] (10)
∂t ∂Q 2 ∂Q 2
La condition initiale :
P(Q, t)|t=t0 = δ(Q − Q0 ) (11)
avec δ(Q − Q0 ) = 1 (évènement certain), si Q = Q0 et

δ(Q − Q0 ) = 0, sinon ;
Les conditions aux limites (absorbantes) :
P(Qmin , t) = P(Qmax , t) = 0 (12)
Qmin = 0 m3 /s et Qmax est le débit maximal.

Application du schéma numérique d’Euler à
l’EDS
Schéma numérique d’Euler de l’EDS :
Qt+∆t = Qt + f (Qt , t)∆t + G.(Wt+∆t − Wt ), Qt0 = Q0 (13)
avec Wt+∆t − Wt = ∆Wt ∼ N (0, ∆t) et ∆t = 1 jour.

Ou plus simplement :
Qt+1 = Qt + f (Qt , t) + G.∆Wt , Qt0 = Q0 (14)
avec ∆Wt ∼ N (0, 1).

Résolution numérique de l’EFP
1. Méthode des différences finies (DF) d’ordre 4 :
-Nombre de mailles : m ;
-Nombre de points : m + 1, dont m − 1 points inconnus.
Figure 3 : Maillage du domaine (Q, t)

Schéma numérique de DF de l’EFP au point (i, j) :
Pi,j − Pi,j−1 Pi−2,j − 8Pi−1,j + 8Pi+1,j − Pi+2,j 2 −Pi−2,j + 16Pi−1,j − 30Pi,j + 16Pi+1,j − Pi+2,j
= −fj +G
∆t 12∆Q 12(∆Q)2
(15)
avec ∆t = 1.
Système à résoudre à la date j
avec Aj = ∆Q.fj + G2 ; Bj = −8(∆Q.fj + 2G2 ) ;

Cj = r + 30G2 ;
Dj = 8(∆Q.fj − 2G2 ) ; Ej = −(∆Q.fj − G2 ).
2. Méthode des volumes finies (VF) :
-Nombre de mailles : m ;
-Nombre de points : m + 2, dont m points inconnus.
Figure 4 : Maillage du domaine (Q, t)

Schéma numérique de VF de l’EFP au point (i, j) :
∂2
Z Q Z Q Z Q
i+ 1 ∂P(Q, t) i+ 1 ∂ 1 i+ 1 2
2 dQ = − 2 [f (t)P(Q, t)]dQ + 2 [G P(Q, t)]dQ (16)
Q ∂t Q ∂Q 2 Q ∂Q 2
i− 1 i− 1 i− 1
2 2 2
Système à résoudre à la date n
avec An = − 21 [∆Q.f n + G2 ] ; Bn = [(∆Q)2 + G2 ] ;

Cn = 12 [∆Q.f n − G2 ] ; Dn = [(∆Q)2 + 21 (∆Q).f n + 23 G2 ]
et En = [(∆Q)2 − 21 ∆Q.f n + 32 G2 ].
Résultats et discussions

Modèle déterministe ModHyPMA : calage et
validation
Calage : 01/01/2003 à 31/12/2007
Validation : 01/07/2009 à 30/06/2011
Figure 6 : Les débits simulés et observés du

01/07/2009 au 30/06/2011
Tableau 1 : Résultats du calage et de la

validation avec le ModHyPMA
Critère Calage Validation
Figure 5 : Les débits simulés et NSE 0.78 0.72
R2 0.78 0.88
observés du 01/01/2003 au RMSE 123.13 184.94
MAE 51.99 90.97
31/12/2007

Modèle Stochastique : Validation
Constante R = −0.0636
Intensité du bruit : G = 45.17
Tableau 2 : Résultats de la validation du modèle

stochastique
Critère ModHyPMA Modèle Stochastique
Figure 7 : Débits simulés (modèle NSE 0.72 0.90
2
R 0.88 0.90
stochastique et ModHyPMA) et RMSE 184.94 113.02
MAE 90.97 76.29
observés du 01/07/2009 au
30/06/2011.

Modèle de prévision : l’EFP
Figure 8 : Comparaison entre la solution numérique avec les

différences finies (DF) et celle avec les volumes finis (VF).

Interprétation de la solution de l’EFP
Figure 9 : Evolution de la densité de probabilité du débit en

fonction du temps.

Figure 10 : Intervalle de confiance du débit à t = t0 + 10 au seuil
de 90% avec t0 = 22/09/11.
Conclusion et perspectives
Les incertitudes sont exprimées par les

distributions de probabilité du débit ;
Améliorer le modèle en levant l’hypothèse
restrictive qui exige que les incertitudes soient
modéliser par processus gaussien.

Merci de votre écoute

Modélisation

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modélisation

Transféré par

Droits d'auteur :

Formats disponibles

BIENVENUE À LA SOUTENANCE

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 1 / 27

Modélisation des débits journaliers du

Lionel Cédric GOHOUEDE

Maîtres mémoire : Superviseur :

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 3 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 4 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 5 / 27

F IGURE – 1 : Schéma d’un bassin versant. (Suchet Amiotte, 2014)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 6 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 7 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 8 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 9 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 10 / 27

En remplaçant (7) dans (5) puis dans (4), on obtient :

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 12 / 27

dQ = f (Q, t)dt + G.dW (t), Q(t0 ) = Q0 (9)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 13 / 27

P(Q, t)|t=t0 = δ(Q − Q0 ) (11)

avec δ(Q − Q0 ) = 1 (évènement certain), si Q = Q0 et

P(Qmin , t) = P(Qmax , t) = 0 (12)

Qmin = 0 m3 /s et Qmax est le débit maximal.

Schéma numérique d’Euler de l’EDS :

Qt+∆t = Qt + f (Qt , t)∆t + G.(Wt+∆t − Wt ), Qt0 = Q0 (13)

avec Wt+∆t − Wt = ∆Wt ∼ N (0, ∆t) et ∆t = 1 jour.

Qt+1 = Qt + f (Qt , t) + G.∆Wt , Qt0 = Q0 (14)

avec ∆Wt ∼ N (0, 1).

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 15 / 27

Figure 3 : Maillage du domaine (Q, t)

avec Aj = ∆Q.fj + G2 ; Bj = −8(∆Q.fj + 2G2 ) ;

Figure 4 : Maillage du domaine (Q, t)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 18 / 27

Système à résoudre à la date n

avec An = − 21 [∆Q.f n + G2 ] ; Bn = [(∆Q)2 + G2 ] ;

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 20 / 27

Figure 6 : Les débits simulés et observés du

Tableau 1 : Résultats du calage et de la

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 21 / 27

Tableau 2 : Résultats de la validation du modèle

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 22 / 27

Figure 8 : Comparaison entre la solution numérique avec les

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 23 / 27

Figure 9 : Evolution de la densité de probabilité du débit en

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 24 / 27

Les incertitudes sont exprimées par les

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 26 / 27

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 27 / 27

Vous aimerez peut-être aussi