Traitement et analyse de séries chronologiques continues de ...
Traitement et analyse de séries chronologiques continues de ... Traitement et analyse de séries chronologiques continues de ...
Partie 6 – Chapitre 16 : Test des modèles de type multi-régression 10000 10000 Ecully - M1 - M MES 8000 8000 M MES Cal (kg) 6000 4000 M MES Cal (kg) Chassieu - M1 - M MES 0 2000 4000 6000 8000 10000 6000 4000 2000 2000 0 0 2000 4000 6000 8000 10000 M MES Obs (kg) 0 M MES Obs (kg) 10000 10000 Ecully - M2 - M DCO 8000 8000 M DCO Cal (kg) 6000 4000 M DCO Cal (kg) Chassieu - M2 - M DCO 0 2000 4000 6000 8000 10000 6000 4000 2000 2000 0 0 2000 4000 6000 8000 10000 M DCO Obs (kg) 0 M DCO Obs (kg) 10000 10000 Ecully - M3 - M MES 8000 8000 M MES Cal (kg) 6000 4000 M MES Cal (kg) Chassieu - M3 - M MES 0 2000 4000 6000 8000 10000 6000 4000 2000 2000 0 0 2000 4000 6000 8000 10000 M MES Obs (kg) 0 M MES Obs (kg) Figure 16.3. Résultats pour les modèles M1, M2 et M3; calage par la méthode des Moindres Carrés Ordinaires ; résultats sur les masses ; sites de Chassieu (à gauche) et Ecully (à droite) Les résultats sont meilleurs que pour les CME, ce qui corrobore les résultats obtenus par Dembélé (2010), cependant on observe toujours une sous-estimation systématique des grandes valeurs à Chassieu et une tendance à la surestimation à Ecully. Les valeurs du critère de Nash, de l’ordre de 0.7 à Chassieu et 0.45 à Ecully, restent inférieures à celles des modèles locaux optimaux Mopt MES et Mopt DCO (cf. Tableau 13.6). 268
Partie 6 – Chapitre 16 : Test des modèles de type multi-régression 16.1.3 Conclusion Ces résultats confirment la difficulté de transposer les structures des modèles multirégression d’un site à l’autre, et la nécessité de proposer des modèles locaux sur la base de l’analyse des données disponibles sur chaque site. Dans la suite des tests, nous avons donc retenus pour les deux sites les modèles Mopt MES et Mopt DCO construits à partir de l’analyse des données locales (cf. Tableau 13.6). Dans une étude opérationnelle, le test de structures de modèle déjà établies peut cependant être envisagé dans un premier temps, comme nous venons de le faire. Dans le cas où les résultats obtenus satisfont les objectifs du modélisateur, la réalisation d’une étude locale plus poussée n’est alors pas nécessaire. 16.2 Analyse de sensibilité à la qualité des données Le Tableau 16.3 présente les lois de distribution utilisées pour l’estimation des incertitudes de chacune des variables explicatives. Nous rappelons que, pour chaque site, ces dernières sont identiques pour les deux modèles Mopt MES et Mopt DCO. Tableau 16.3. Lois de distribution pour l’estimation des incertitudes sur les variables expliquées ; modèles Mopt MES et Mopt DCO Site Variables explicatives Loi de distribution Chassieu Ecully Vr I max DTS 30 Vr TP CumH 12 InvH Loi normale Loi uniforme entre +/- 20% de la valeur Incertitudes négligeables Loi normale Loi uniforme entre +/- 20% de la valeur Loi uniforme entre +/- 20% de la valeur Les incertitudes sur les volumes ruisselés totaux Vr et les volumes de la contribution pluviale Vr TP ont été estimées lors de l’étape de traitement et d’analyse des données (cf. paragraphes 8.3 et 11.2.2). Elles suivent une loi normale. Pour les variables relatives à la pluviométrie, Imax, CumH 12 et InvH, nous avons appliqué des distributions uniformes entre +/- 20 % des valeurs. Enfin, l’incertitude sur la variable DTS 30 a été négligée par rapport aux autres sources d’incertitude. Les résultats sont présentés Figures 16.4 à 16.7. Les masses calculées en fonction des masses observées sont assorties d’un intervalle de confiance à 95 % reflétant la variabilité de la simulation optimale liée à l’incertitude sur les données. 269
- Page 245 and 246: Partie 5 - Chapitre 13 : Modèles d
- Page 247 and 248: Partie 5 - Chapitre 13 : Modèles d
- Page 249 and 250: Partie 5 - Chapitre 13 : Modèles d
- Page 251 and 252: Partie 5 - Chapitre 13 : Modèles d
- Page 253 and 254: Partie 5 - Chapitre 13 : Modèles d
- Page 255 and 256: Partie 5 - Chapitre 13 : Modèles d
- Page 257 and 258: Partie 5 - Chapitre 13 : Modèles d
- Page 259: Partie 5 - Chapitre 13 : Modèles d
- Page 262 and 263: Partie 5 - Chapitre 14 : Modèles d
- Page 264 and 265: Partie 5 - Chapitre 14 : Modèles d
- Page 266 and 267: Partie 5 - Chapitre 14 : Modèles d
- Page 268 and 269: Partie 5 - Chapitre 14 : Modèles d
- Page 270 and 271: Partie 5 - Chapitre 14 : Modèles d
- Page 272 and 273: Partie 5 - Chapitre 14 : Modèles d
- Page 274 and 275: Partie 5 - Chapitre 14 : Modèles d
- Page 276 and 277: Partie 5 - Chapitre 14 : Modèles d
- Page 278 and 279: Partie 5 - Chapitre 14 : Modèles d
- Page 280 and 281: Partie 5 - Chapitre 15 : Méthodolo
- Page 282 and 283: Partie 5 - Chapitre 15 : Méthodolo
- Page 284 and 285: Partie 5 - Chapitre 15 : Méthodolo
- Page 286 and 287: Partie 5 - Chapitre 15 : Méthodolo
- Page 288 and 289: Partie 5 - Chapitre 15 : Méthodolo
- Page 291: Partie 6 - Résultats des tests Int
- Page 294 and 295: Partie 6 - Chapitre 16 : Test des m
- Page 298 and 299: Partie 6 - Chapitre 16 : Test des m
- Page 300 and 301: Partie 6 - Chapitre 16 : Test des m
- Page 302 and 303: Partie 6 - Chapitre 16 : Test des m
- Page 304 and 305: Partie 6 - Chapitre 16 : Test des m
- Page 306 and 307: Partie 6 - Chapitre 16 : Test des m
- Page 309 and 310: Partie 6 - Chapitre 17 : Test des m
- Page 311 and 312: Partie 6 - Chapitre 17 : Test des m
- Page 313 and 314: Partie 6 - Chapitre 17 : Test des m
- Page 315 and 316: Partie 6 - Chapitre 17 : Test des m
- Page 317 and 318: Partie 6 - Chapitre 17 : Test des m
- Page 319 and 320: Partie 6 - Chapitre 17 : Test des m
- Page 321 and 322: Partie 6 - Chapitre 17 : Test des m
- Page 323 and 324: Partie 6 - Chapitre 17 : Test des m
- Page 325 and 326: Partie 6 - Chapitre 17 : Test des m
- Page 327 and 328: Partie 6 - Chapitre 17 : Test des m
- Page 329 and 330: Partie 6 - Chapitre 17 : Test des m
- Page 331 and 332: Partie 6 - Chapitre 17 : Test des m
- Page 333 and 334: Partie 6 - Chapitre 17 : Test des m
- Page 335 and 336: Partie 6 - Chapitre 17 : Test des m
- Page 337 and 338: Partie 6 - Chapitre 17 : Test des m
- Page 339: Partie 6 - Chapitre 17 : Test des m
- Page 343 and 344: Conclusion générale Retour sur la
- Page 345 and 346: Conclusion générale évidence la
Partie 6 – Chapitre 16 : Test <strong>de</strong>s modèles <strong>de</strong> type multi-régression<br />
10000<br />
10000<br />
Ecully - M1 - M MES<br />
8000<br />
8000<br />
M MES<br />
Cal (kg)<br />
6000<br />
4000<br />
M MES<br />
Cal (kg)<br />
Chassieu - M1 - M MES<br />
0 2000 4000 6000 8000 10000<br />
6000<br />
4000<br />
2000<br />
2000<br />
0<br />
0 2000 4000 6000 8000 10000<br />
M MES<br />
Obs (kg)<br />
0<br />
M MES<br />
Obs (kg)<br />
10000<br />
10000<br />
Ecully - M2 - M DCO<br />
8000<br />
8000<br />
M DCO<br />
Cal (kg)<br />
6000<br />
4000<br />
M DCO<br />
Cal (kg)<br />
Chassieu - M2 - M DCO<br />
0 2000 4000 6000 8000 10000<br />
6000<br />
4000<br />
2000<br />
2000<br />
0<br />
0 2000 4000 6000 8000 10000<br />
M DCO<br />
Obs (kg)<br />
0<br />
M DCO<br />
Obs (kg)<br />
10000<br />
10000<br />
Ecully - M3 - M MES<br />
8000<br />
8000<br />
M MES<br />
Cal (kg)<br />
6000<br />
4000<br />
M MES<br />
Cal (kg)<br />
Chassieu - M3 - M MES<br />
0 2000 4000 6000 8000 10000<br />
6000<br />
4000<br />
2000<br />
2000<br />
0<br />
0 2000 4000 6000 8000 10000<br />
M MES<br />
Obs (kg)<br />
0<br />
M MES<br />
Obs (kg)<br />
Figure 16.3. Résultats pour les modèles M1, M2 <strong>et</strong> M3; calage par la métho<strong>de</strong> <strong>de</strong>s Moindres Carrés Ordinaires ;<br />
résultats sur les masses ; sites <strong>de</strong> Chassieu (à gauche) <strong>et</strong> Ecully (à droite)<br />
Les résultats sont meilleurs que pour les CME, ce qui corrobore les résultats obtenus par<br />
Dembélé (2010), cependant on observe toujours une sous-estimation systématique <strong>de</strong>s gran<strong>de</strong>s<br />
valeurs à Chassieu <strong>et</strong> une tendance à la surestimation à Ecully. Les valeurs du critère <strong>de</strong> Nash,<br />
<strong>de</strong> l’ordre <strong>de</strong> 0.7 à Chassieu <strong>et</strong> 0.45 à Ecully, restent inférieures à celles <strong>de</strong>s modèles locaux<br />
optimaux Mopt MES <strong>et</strong> Mopt DCO (cf. Tableau 13.6).<br />
268
Change language