Assessing the performance and uncertainty analysis of the SWAT and RBNN models for simulation of sediment yield in the Nagwa watershed, India

摘要

Le modéle SWAT (Outil d'évaluation du sol et de l'eau) est basé sur les processus et le modéle RBNN (radial basis neural network) est un piloté par les données. Ils ont été évalués pour la simulation de la charge en sédiments du bassin versant de Nagwa (Jharkhand, Inde), où l'érosion des sols est un probléme grave. Le calage du modéle SWAT et l'analyse d'incertitude ont été réalisés avec l'algorithme SUFI-2, et la méthode du bootstrap a été appliquée pour analyser l'incertitude de la production du modéle RBNN. Nous avons utilisé le pourcentage de données encadrées par la fourchette de prévision à 95% (95PPU) et le facteur r pour évaluer la qualité de l'étalonnage. La comparaison des résultats des deux modéles indique que la valeur du facteur r du modéle RBNN (r=0,41) est inférieure à celle du modéle SWAT (r= 0,79), ce qui signifie que l'intervalle de prévision du modéle SWAT est plus étendu. Davantage de valeurs de la charge en sédiments observées sont contenues dans le 95PPU du modéle RBNN. Le modéle RBNN estime donc la production de sédiments de façon plus précise et avec moins d'incertitude.%The process-based Soil and Water Assessment Tool (SWAT) model and the data-driven radial basis neural network (RBNN) model were evaluated for simulating sediment load for the Nagwa watershed in Jharkhand, India, where soil erosion is a severe problem. The SWAT model calibration and uncertainty analysis were performed with the Sequential Uncertainty Fitting algorithm version 2 and the bootstrap technique was applied on the RBNN model to analyse uncertainty in model output. The percentage of data bracketed by the 95% prediction uncertainty (95PPU) and the r factor were the two measures used to assess the goodness of calibration. Comparison of the results of the two models shows that the value of r factor (r=0.41) in the RBNN model is less than that of SWAT model (r= 0.79), which means there is a wider prediction interval for the SWAT model results. More values of observed sediment yield were bracketed by the 95PPU in the RBNN model. Thus, the RBNN model estimates the sediment yield values more accurately and with less uncertainty.