Traitement et analyse de séries chronologiques continues de ...

Traitement et analyse de séries chronologiques continues de ... Traitement et analyse de séries chronologiques continues de ...

theses.insa.lyon.fr
from theses.insa.lyon.fr More from this publisher
14.09.2014 Views

Partie 2 – Chapitre 4 : Le concept d’incertitude en modélisation en hydrologie urbaine données et les modèles (International Working Group on Data and Models), sous la direction du comité joint en hydrologie urbaine de l’IWA/IAHR. L’objectif de ce travail est de proposer un cadre et des méthodes universels pour la caractérisation et l’évaluation des incertitudes dans le processus de modélisation. L’objectif final est de faciliter la compréhension des définitions et méthodes utilisées par les chercheurs. La classification retenue distingue spécifiquement les incertitudes sur les données d’entrée (Figure 4.3). Les incertitudes sur la procédure de calage (choix de l’algorithme et de la fonction objectif) et sur les données observées sont regroupées dans une même catégorie, intitulée « incertitudes de calage », tandis que la troisième classe inclut les incertitudes sur la structure du modèle. Les liens entre les différentes sources sont mis en évidence sur la Figure. L’incertitude sur les paramètres, notamment, n’est classée dans aucune catégorie mais considérée à l’interface des trois autres dont elles résultent. Figure 4.3. Classification des sources d’incertitude proposée par Deletic et al (2009) : sources principales et leurs interactions (source : Deletic et al, 2009) La diversité des classifications proposées est directement liée à la manière dont les auteurs conceptualisent les incertitudes et leur propagation dans les modèles. Cette dernière est notamment susceptible de différer selon le domaine de recherche, la nature des enjeux et des questions auxquelles s’intéressent les modélisateurs. Selon le contexte, chacune des sources d’incertitude peut avoir plus ou moins de poids. Par exemple en hydrologie urbaine, les incertitudes sur les données pluviométriques sont reconnues comme une des sources majeures d’incertitude (Vrugt et al. 2008c; Muschalla et al. 2008; Kleidorfer et al. 2009). La Figure 4.4 montre le processus de modélisation conceptualisé par Deletic et al (2009) qui est à l’origine de la classification des sources en trois catégories présentée ci-dessus. 52

Partie 2 – Chapitre 4 : Le concept d’incertitude en modélisation en hydrologie urbaine Input data uncertainties systematic random Input data e.g. - rain - evaporation MICA Model Calibration adaption of parameters Output data e.g. - flow - concentration - loads Objective function e.g. - E (Nash-Sutcliffe) - sum of squared differences corresponding measurements Calibration data uncertainties systematic random Calibration parameter distribution Figure 4.4. Structure générale de modélisation proposée par Deletic et al (2009) (source : Deletic et al. 2009) Même si les conceptualisations proposées ne semblent pas antinomiques ou incompatibles, leur diversité souligne le besoin d’harmonisation des concepts et de la terminologie relatifs aux incertitudes dans la modélisation environnementale en général. S’il est encore difficile de parvenir à un consensus, il semble envisageable en revanche de s’accorder sur des principes communs. 53

Partie 2 – Chapitre 4 : Le concept d’incertitu<strong>de</strong> en modélisation en hydrologie urbaine<br />

données <strong>et</strong> les modèles (International Working Group on Data and Mo<strong>de</strong>ls), sous la direction du<br />

comité joint en hydrologie urbaine <strong>de</strong> l’IWA/IAHR. L’objectif <strong>de</strong> ce travail est <strong>de</strong> proposer un<br />

cadre <strong>et</strong> <strong>de</strong>s métho<strong>de</strong>s universels pour la caractérisation <strong>et</strong> l’évaluation <strong>de</strong>s incertitu<strong>de</strong>s dans le<br />

processus <strong>de</strong> modélisation. L’objectif final est <strong>de</strong> faciliter la compréhension <strong>de</strong>s définitions <strong>et</strong><br />

métho<strong>de</strong>s utilisées par les chercheurs.<br />

La classification r<strong>et</strong>enue distingue spécifiquement les incertitu<strong>de</strong>s sur les données d’entrée<br />

(Figure 4.3). Les incertitu<strong>de</strong>s sur la procédure <strong>de</strong> calage (choix <strong>de</strong> l’algorithme <strong>et</strong> <strong>de</strong> la fonction<br />

objectif) <strong>et</strong> sur les données observées sont regroupées dans une même catégorie, intitulée<br />

« incertitu<strong>de</strong>s <strong>de</strong> calage », tandis que la troisième classe inclut les incertitu<strong>de</strong>s sur la structure<br />

du modèle. Les liens entre les différentes sources sont mis en évi<strong>de</strong>nce sur la Figure.<br />

L’incertitu<strong>de</strong> sur les paramètres, notamment, n’est classée dans aucune catégorie mais<br />

considérée à l’interface <strong>de</strong>s trois autres dont elles résultent.<br />

Figure 4.3. Classification <strong>de</strong>s sources d’incertitu<strong>de</strong> proposée par Del<strong>et</strong>ic <strong>et</strong> al (2009) : sources principales <strong>et</strong> leurs<br />

interactions (source : Del<strong>et</strong>ic <strong>et</strong> al, 2009)<br />

La diversité <strong>de</strong>s classifications proposées est directement liée à la manière dont les auteurs<br />

conceptualisent les incertitu<strong>de</strong>s <strong>et</strong> leur propagation dans les modèles. C<strong>et</strong>te <strong>de</strong>rnière est<br />

notamment susceptible <strong>de</strong> différer selon le domaine <strong>de</strong> recherche, la nature <strong>de</strong>s enjeux <strong>et</strong> <strong>de</strong>s<br />

questions auxquelles s’intéressent les modélisateurs. Selon le contexte, chacune <strong>de</strong>s sources<br />

d’incertitu<strong>de</strong> peut avoir plus ou moins <strong>de</strong> poids. Par exemple en hydrologie urbaine, les<br />

incertitu<strong>de</strong>s sur les données pluviométriques sont reconnues comme une <strong>de</strong>s sources majeures<br />

d’incertitu<strong>de</strong> (Vrugt <strong>et</strong> al. 2008c; Muschalla <strong>et</strong> al. 2008; Kleidorfer <strong>et</strong> al. 2009). La Figure 4.4<br />

montre le processus <strong>de</strong> modélisation conceptualisé par Del<strong>et</strong>ic <strong>et</strong> al (2009) qui est à l’origine <strong>de</strong><br />

la classification <strong>de</strong>s sources en trois catégories présentée ci-<strong>de</strong>ssus.<br />

52

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!