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 17 : Test des modèles Accumulation-Erosion-Transfert Tableau 17.9. Jeu optimal de paramètres obtenu pour les différentes itérations, pour le modèle de qualité de niveau de complexité NC1 ; site de Chassieu Itérations 1 ère 2 ème 3 ème 4 ème 5 ème 6 ème 7 ème k s (J -1 ) 0.0999 1.9773 9.983 85.18 139.53 89.74 125.07 Ms ini (kg) 3898 - - - - - - Ms max (kg) 1272.8 1108 1020 1032 1044 1432 921 ARRA (mm -1 ) 0.0340 0.0260 0.0284 0.0275 0.0270 0.0011 0.0198 a (mm -1 .h) 0.0290 0.0315 0.0317 0.0318 0.0317 0.0699 0.0428 K Q1 (min) 11.0 19.5 11.7 11.6 11.3 2.90 12.4 K Q2 (min) 20.0 11.1 19.1 - - - - no Q (min) 1 2 1 - - - - std 0 (kg.m -3 ) 0.1284 0.1275 0.1277 0.1267 0.1270 0.0117 0.0553 std 1 (-) - - - - - 0.997 0.073 β (-) - - - - - 0.999 0.999 ξ (-) - - - - - - - μ h (kg.m -3 ) - - - - - - - Φ 1 (-) - - - - - 0.955 - Tableau 17.10. Résultats des itérations pour le test du modèle qualité de niveau NC1 : critères de performance de calage (Cal) et d’évaluation (Eval), Loglikelihood (LogLik), critère de Nash et Sutcliffe (Nash) et RMSE, temps de simulation de l’algorithme DREAM (t s ) et nombre de simulations de l’algorithme effectuées (N conv ) Itérations LogLik Cal LogLik Eval Nash Cal Critères de performance Nash Eval Rmse Cal Rmse Eval t s (min) 1 ère 2204 9604 -3.8 -25.6 0.1298 0.1478 - 50100 2 ème 2226 9390 -3.8 -29.2 0.1289 0.1494 50 26250 3 ème 2231 9421 -3.9 -27.9 0.1288 0.1492 - 26700 4 ème 2238 9394 -3.9 -27.9 0.1285 0.1493 51 23100 5 ème 2238 9383 -4 -28.3 0.1285 0.1494 - 23250 6 ème 9809 43151 -135 -889.3 0.1433 0.1610 - 30000 7 ème 5239 9644 -3.8 -49.8 0.1296 0.1524 96 50100 N conv L’analyse montre que, quelle que soit la structure de modèle testé, les critères de performance sont très mauvais, avec des valeurs du coefficient de Nash et Sutcliffe fortement négatives et des performances en évaluation détériorées par rapport à celles en calage. Itérations 1 à 5 (8+1) : modèle qualité à 8 paramètres et hypothèses des MCO La première itération constitue en réalité un premier essai pour lequel des bornes trop larges ont été considérées par erreur pour les paramètres K Q1 et K Q2 du réservoir linéaire. Nous avons choisi de présenter cette étape, dans la mesure où elle a mis en évidence le problème d’identifiabilité de K Q1 et K Q2 , qui peuvent prendre symétriquement les mêmes valeurs. Ceci se traduit par une difficulté de convergence de ces paramètres dont la valeur du critère de Gelman et Rubin (1992) ne parvient pas, après 50 100 itérations, à passer sous la valeur seuil (Figure 300
Partie 6 – Chapitre 17 : Test des modèles Accumulation-Erosion-Transfert 17.16). D’autres essais (non présentés ici) ont également mis en évidence la sensibilité du calage à la valeur du paramètre Ms ini . Pour éviter ce problème, nous avons fixé dans la suite des tests la valeur de Ms ini égale à la valeur de Ms max . Nous faisons donc l’hypothèse qu’en début de simulation l’intégralité du stock de sédiments est disponible sur la surface du bassin. 12 ks Ms ini Statistique de Gelman et Rubin 10 8 6 4 Ms max ARRA a Kq1 Kq2 no q std 0 2 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 Nombre d'évaluation du DREAM x 10 4 Figure 17.16. Diagnostic de convergence des paramètres (critère de Gelman et Rubin), pour les paramètres de calage (modèle qualité et modèle d’erreur) ; résultats pour le modèle qualité (niveau de complexité NC1), site de Chassieu, 1 ère itération ; les valeurs du critère pour les paramètres K Q1 et K Q2 ne parviennent pas en dessous de la valeur seuil Pour la deuxième itération, nous avons adopté des bornes a priori plus appropriées pour les paramètres K Q1 et K Q2 (cf. Tableau 17.8). Les distributions de ces derniers sont cette fois mieux identifiées (Figure 17.17) mais montrent néanmoins une corrélation linéaire significative. Pour le paramètre k s , la distribution a posteriori est nettement tronquée à la valeur 2, suggérant que la distribution a priori pour ce paramètre n’est pas assez large. Ce paramètre est relatif à l’accumulation des sédiments de temps sec. Cela suggère donc que lors des épisodes de temps sec le modèle sous-estime la vitesse de reconstitution du stock de sédiments. Une corrélation significative est également observée entre les paramètres ARRA et Ms max , ce qui n’est pas vraiment étonnant étant donné que par construction ils peuvent se compenser. Enfin, si le paramètre to Q du réservoir linéaire double est bien identifié, sa valeur la plus probable est faible (proche de 1 minute). 301
- 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 296 and 297: 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: 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
- Page 347 and 348: Conclusion générale données acqu
- Page 349: Bibliographie 321
- Page 352 and 353: Bibliographie Bertrand-Krajewski J.
- Page 354 and 355: Bibliographie Bujon G. (1988). Pré
- Page 356 and 357: Bibliographie Dorval F. 2010. Const
- Page 358 and 359: Bibliographie Gupta K. et Saul Adri
- Page 360 and 361: Bibliographie Kuczera G. et Parent
- Page 362 and 363: Bibliographie Muschalla D., Schneid
- Page 364 and 365: Bibliographie monitoring data. Proc
- Page 366 and 367: Bibliographie Vrugt J. et Bouten W.
- Page 369: Annexes Annexe 1 Métadier M. et Be
- Page 372 and 373: Annexes INTRODUCTION Les exigences
- Page 374 and 375: Annexes correspondante (équation 3
- Page 376 and 377: Annexes Figure 26. Relations [MES]-
Partie 6 – Chapitre 17 : Test <strong>de</strong>s modèles Accumulation-Erosion-Transfert<br />
Tableau 17.9. Jeu optimal <strong>de</strong> paramètres obtenu pour les différentes itérations, pour le modèle <strong>de</strong> qualité <strong>de</strong><br />
niveau <strong>de</strong> complexité NC1 ; site <strong>de</strong> Chassieu<br />
Itérations 1 ère 2 ème 3 ème 4 ème 5 ème 6 ème 7 ème<br />
k s (J -1 ) 0.0999 1.9773 9.983 85.18 139.53 89.74 125.07<br />
Ms ini (kg) 3898 - - - - - -<br />
Ms max (kg) 1272.8 1108 1020 1032 1044 1432 921<br />
ARRA (mm -1 ) 0.0340 0.0260 0.0284 0.0275 0.0270 0.0011 0.0198<br />
a (mm -1 .h) 0.0290 0.0315 0.0317 0.0318 0.0317 0.0699 0.0428<br />
K Q1 (min) 11.0 19.5 11.7 11.6 11.3 2.90 12.4<br />
K Q2 (min) 20.0 11.1 19.1 - - - -<br />
no Q (min) 1 2 1 - - - -<br />
std 0 (kg.m -3 ) 0.1284 0.1275 0.1277 0.1267 0.1270 0.0117 0.0553<br />
std 1 (-) - - - - - 0.997 0.073<br />
β (-) - - - - - 0.999 0.999<br />
ξ (-) - - - - - - -<br />
μ h (kg.m -3 ) - - - - - - -<br />
Φ 1 (-) - - - - - 0.955 -<br />
Tableau 17.10. Résultats <strong>de</strong>s itérations pour le test du modèle qualité <strong>de</strong> niveau NC1 : critères <strong>de</strong> performance <strong>de</strong><br />
calage (Cal) <strong>et</strong> d’évaluation (Eval), Loglikelihood (LogLik), critère <strong>de</strong> Nash <strong>et</strong> Sutcliffe (Nash) <strong>et</strong> RMSE, temps<br />
<strong>de</strong> simulation <strong>de</strong> l’algorithme DREAM (t s ) <strong>et</strong> nombre <strong>de</strong> simulations <strong>de</strong> l’algorithme effectuées (N conv )<br />
Itérations<br />
LogLik Cal<br />
LogLik<br />
Eval<br />
Nash<br />
Cal<br />
Critères <strong>de</strong> performance<br />
Nash<br />
Eval<br />
Rmse<br />
Cal<br />
Rmse<br />
Eval<br />
t s<br />
(min)<br />
1 ère 2204 9604 -3.8 -25.6 0.1298 0.1478 - 50100<br />
2 ème 2226 9390 -3.8 -29.2 0.1289 0.1494 50 26250<br />
3 ème 2231 9421 -3.9 -27.9 0.1288 0.1492 - 26700<br />
4 ème 2238 9394 -3.9 -27.9 0.1285 0.1493 51 23100<br />
5 ème 2238 9383 -4 -28.3 0.1285 0.1494 - 23250<br />
6 ème 9809 43151 -135 -889.3 0.1433 0.1610 - 30000<br />
7 ème 5239 9644 -3.8 -49.8 0.1296 0.1524 96 50100<br />
N conv<br />
L’<strong>analyse</strong> montre que, quelle que soit la structure <strong>de</strong> modèle testé, les critères <strong>de</strong><br />
performance sont très mauvais, avec <strong>de</strong>s valeurs du coefficient <strong>de</strong> Nash <strong>et</strong> Sutcliffe fortement<br />
négatives <strong>et</strong> <strong>de</strong>s performances en évaluation détériorées par rapport à celles en calage.<br />
Itérations 1 à 5 (8+1) : modèle qualité à 8 paramètres <strong>et</strong> hypothèses <strong>de</strong>s MCO<br />
La première itération constitue en réalité un premier essai pour lequel <strong>de</strong>s bornes trop larges<br />
ont été considérées par erreur pour les paramètres K Q1 <strong>et</strong> K Q2 du réservoir linéaire. Nous avons<br />
choisi <strong>de</strong> présenter c<strong>et</strong>te étape, dans la mesure où elle a mis en évi<strong>de</strong>nce le problème<br />
d’i<strong>de</strong>ntifiabilité <strong>de</strong> K Q1 <strong>et</strong> K Q2 , qui peuvent prendre symétriquement les mêmes valeurs. Ceci se<br />
traduit par une difficulté <strong>de</strong> convergence <strong>de</strong> ces paramètres dont la valeur du critère <strong>de</strong> Gelman<br />
<strong>et</strong> Rubin (1992) ne parvient pas, après 50 100 itérations, à passer sous la valeur seuil (Figure<br />
300