Modélisation du régime annuel des petits cours d eau à faibles données

Autorentext

Né en 1974, j ai effectué mes études d ingénieur supérieures àL Ecole Polytechnique de Diego-Suarez. Puis j ai poursuivijusqüau doctorat à l Université d Antananarivo avec la facultédes sciences au sein du département Physique. Ma thèse a été soutenue avec la Mention très honorable avec félicitations de jury.

Klappentext

L implantation des Microcentrales Hydroélectriques pour l Electrification Rurale Décentralisée est confrontée aux problèmes liés au manque de données hydrologiques. Il a fallu recourir à la modélisation pour pallier ce handicap. Les Réseaux de Neurones Artificiels sont utilisés à cet effet. Les réseaux de type Perceptron à une seule couche cachée ont été optimisés avec les techniques de l Analyse de Sensibilité tels l Extended Fourier Amplitude Sensivity Test (EFAST) et l inférence bayesienne pour obtenir des modèles parcimonieux et globaux qui conviennent aux Hautes Terres centrales de Madagascar. Les performances de ces réseaux ont été comparées à celles des réseaux dynamiques pour la reconstitution du régime annuel et interannuel des cours d eau à partir de faibles données hydrologiques. Les résultats obtenus sont très satisfaisants pour une évaluation rapide et fiable du potentiel hydroélectrique d un site par rapport à l utilisation du débit minimum d étiage classique.