Analyse des approches multi-modèle en prévision hydrologique

R. Lanthier, Martine (2018). Analyse des approches multi-modèle en prévision hydrologique. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (1MB) | Prévisualisation
Prévisualisation	PDF Télécharger (693kB) | Prévisualisation

Résumé

La présente étude vise à analyser l’apport des méthodes de combinaison multi-modèle en vue d’améliorer la représentation de la variabilité des prévisions hydrologiques d’ensembles générées par des modèles hydrologiques simples. Dans un contexte de gestion de reservoirs hydroélectriques, il arrive fréquemment que les prévisions des modèles hydrologiques ne représentent pas bien la réalité. Cela s’explique en partie par l’utilisation de modèles hydrologiques simplifie grandement le processus complexe qu’est le cycle hydrologique, induisant ainsi des ensembles prévisionnels ne représentant pas adéquatement l’incertitude de prévision. La combinaison multi-modèle est donc une avenue intéressante, d’autant plus que des études précédentes ont fait état de sa capacité à améliorer la qualité des previsions hydrologiques sur de courtes périodes.

Trois modèles hydrologiques (GR4J, MOHYSE et HSAMI) ont été utilisés pour générer des prévisions d’ensemble émises au premier jour de chaque mois et de durée variant de 2 semaines à 6 mois sur le bassin versant de la rivière Ashuapmushuan au Saguenay-Lac-St-Jean. La combinaison de ces trois modèles par la méthode de pondération GRC a ainsi permis de générer un quatrième ensemble prévisionnel. Les prévisions ont été générées pour chaque année disponible, soit de 1967 à 2001, en utilisant les données météo observées pour alimenter les modèles. Par la suite, des combinaisons des ensembles ont été faites afin d’ajouter du bruit à la dispersion des ensembles. Il s’agit du grand-ensemble, soit les ensembles des trois modèles simples, et du super-ensemble, qui est la combinaison des trois ensembles des modèles simples et de l’ensemble multi-modèle.

La qualité de ces ensembles est alors évaluée à l’aide de diagrammes de Talagrand et de deux tests statistiques, soit les scores ABDU et le test de Kolmogorov-Smirnov. Dans tous les cas, les combinaisons d’ensembles ont démontré une amélioration de la correction de la sousdispersion initialement observée. L’ajout de l’ensemble multi-modèle, soit le superensemble, en comparaison au grand-ensemble, est très bénéfique à la dispersion à court terme, mais ce bénéfice s’atténue sur les plus longs horizons. En ce qui concerne l’atteinte de l’objectif de produire des prévisions présentant une incertitude adéquate, les combinaisons grands-ensembles et super-ensemble présentent de meilleurs résultats, surtout durant les mois plus chauds, où les précipitations sont sous forme liquide. Le projet démontre qu’il y a possibilité d’utiliser les méthodes multi-modèle avec succès mais qu’il faudra poursuivre la recherche pour déterminer comment maximiser la performance en fonction des périodes de prévision et de l’horizon prévisionnel souhaité.

Titre traduit

Multi-model analysis in hydrological prediction

Résumé traduit

The present study aims to analyze the contribution of multi-model combination methods in order to improve the representation of the variability of ensemble hydrological forecasts generated by simple hydrological models. In the context of the management of hydroelectric reservoirs it often happens that the predictions of hydrological models do not represent the reality. This is partly due to the use of hydrological models greatly simplifies the complex process of the hydrological cycle, thus producing sets of forecasts that do not adequately represent forecast uncertainties. The multi-model combination is therefore an interesting avenue, especially since previous studies have indicated its ability to improve the quality of hydrological forecasts over short periods.

Three hydrological models (GR4J, MOHYSE and HSAMI) were used to generate ensemble forecasts issued on the first day of each month and lasting from 2 weeks to 6 months on the Ashuapmushuan watershed in Saguenay-Lac-St-Jean. The combination of these three models by the GRC weighting method allowed to create a multi-model and thus to generate a fourth ensemble forecast. Forecasts were generated for each available year, from 1967 to 2001, using observed weather data to feed the models. Subsequently, combinations of the ensembles were made to add noise to the ensemble. These are the grand ensemble, which is the combination of the three simple models, and the super ensemble, which is the combination of the three ensembles of simple models and the multi-model ensemble.

The quality of these sets is then assessed using Talagrand diagrams and two statistical tests, the ABDU scores and the Kolmogorov-Smirnov test. In all cases, the combinations of ensembles demonstrated an improvement in the correction of the sub-dispersion initially observed. The addition of the multi-model ensemble, the super ensemble, in comparison to the grand ensemble, is very beneficial to the short-term dispersion, but this benefit fades over longer horizons. In terms of achieving the objective of producing forecasts with adequate uncertainty, the grand-ensemble and super ensemble combinations show better results, especially during the warmer months when precipitation is in liquid form. The project demonstrates that there is an opportunity to use multi-model methods successfully, but further research is needed to determine how to maximize performance based on forecast periods and the desired time horizon.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie de la construction". Comprend des références bibliographiques (pages 79-86).
Mots-clés libres:	Modèles hydrologiques. Prévision hydrologique Méthodes statistiques. Bassins hydrographiques Québec (Province) Ashuapmushuan, Rivière. Incertitude. combinaison, modèle, multi, multi-modèle, modélisation hydrologique, prévision d’ensemble, sous-dispersion
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Arsenault, Richard
Codirecteur:	Codirecteur Brissette, François
Programme:	Maîtrise en ingénierie > Génie de la construction
Date de dépôt:	11 juill. 2018 18:53
Dernière modification:	11 juill. 2018 18:53
URI:	https://espace.etsmtl.ca/id/eprint/2064

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt