Les réseaux de neurones et la régression multiple en prédiction de l'érosion spécifique: cas du bassin hydrographique Algérois-Hodna-Soummam (Algérie)

摘要

Dans ce travail, des modèles de prévision de l'érosion spécifique des bassins versants en insuffisance voire en absence de jaugeages ont été élaborés, en fonction des paramètres climatiques, hydromorphométriques et de la couverture végétale, au droit des sites de barrages et retenues collinaires dans le bassin très érodé qu'est l'Algérois-Hodna-Soummam. Les paramètres régissant l'érosion ont été soigneusement sélectionnés sur la base d'une recherche bibliographique et regroupés en deux catégories distinctes par le biais de l'analyse en composantes principales. Deux méthodes statistiques ont été appliquées: la première, basée sur la régression multiple et la deuxième sur les réseaux de neurones artificiels. Des résultats très satisfaisants sont obtenus en testant, par validation croisée, la validité du modèle neuronal composé de: lame écoulée, densité de drainage, pente moyenne du bassin et précipitation moyenne annuelle comme variables d'entrées avec un coefficient de détermination de 0,81 et une erreur quadratique moyenne de 0,19.%Predicting specific erosion at the basin scale is essential in order to help prevent or forecast soil loss problems, water-quality degradation and the impairment of riparian ecosystems. In this study, models were defined to predict specific erosion of an ungauged basin according to hydromorphometric parameters, climatic parameters and vegetation cover, at the sites of dams and small dams in a highly eroded basin, the Algérois-Hodna-Soummam. The governing characteristics were carefully selected based on literature survey, examined and grouped into two zones by principal component analysis. Two methods were used: multiple regression and static neural networks. Very satisfactory results were obtained in testing the validity of the neural networks model by cross-validationthe model being composed of: average annual flow, drainage density, average slope of basin, and average annual rainfall in the input layer-with a determination coefficient of 0.81 and a mean square error of 0.19.