Upload
shel
View
43
Download
0
Embed Size (px)
DESCRIPTION
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones Comment extraire de l'information de la boîte noire ?. Anne Johannet, LGEI , École des Mines d’Alès Collaboration avec Hydrosciences Montpellier (S. Pistre , V. Borrell ). Bassin versant de la source du Lez. - PowerPoint PPT Presentation
Citation preview
Institut Mines-Télécom
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Comment extraire de l'information de la boîte noire ?
Anne Johannet, LGEI, École des Mines d’AlèsCollaboration avec Hydrosciences Montpellier (S. Pistre, V. Borrell)
Institut Mines-Télécom2
Contenu
Apprentissage statistique
Application pour mieux connaitre le fonctionnement hydrodynamique des karsts : cas de la source du Lez (Prades le Lez, Hérault)
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Bassin versant de la source du Lez
Institut Mines-Télécom3
Apprentissage statistique
Les réseaux de neurones formels• Pourquoi en hydrologie ?• Quels processus ?
─ Crues rapides─ Karsts
Approche systémique (A. Mangin)
Comment dépasser la boîte noire ?
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom4
Définitions - rappels
Le neurone formel Le réseau de neurones• Composition de fonctions neurones • Architecture• Comportement statique/dynamique
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom5
Propriétés fondamentales des réseaux de neurones :
Approximation universelle
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Non bouclé,Nc neurones cachésUn neurone de sortie linéaire
cN
j
n
jjjjjjss uccfccy
1 1,0,,0,
2 1
11222
Institut Mines-Télécom6
Apprentissage : N mesures des variables et de la grandeur à
modéliser (uk, yk ){yk} (k = 1, …, N) : grandeur à modéliser{uk} (k = 1, …, N) : valeurs correspondantes des n
variables Recherche des paramètres c de façon à
minimiser une distance entre Observation et Estimation sur l’ensemble d’apprentissage
Fonction de coût :
Méthodes itératives
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom7
Application aux hydrosystèmes
Enjeux : ressource en eau et prévision des cruesSystèmes dynamiques La réponse aux précipitations dépend de l’état
du système Phénomènes non linéaires
EvapotranspirationEffets seuil
Processus physiques mal connus
Bases de données conséquentes
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom8
Application aux hydrosystèmes Bassins versants rapides Karsts
Bruits de mesures et incertitudes considérables• Estimation des précipitations• Mesure des précipitations• Mesure des hauteurs• Conversion hauteur - débit
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom9
Application aux hydrosystèmes Bassins versants rapides Karsts
Bruits de mesures et incertitudes considérables• Estimation des précipitations• Mesure des précipitations• Mesure des hauteurs• Conversion hauteur - débit
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom10
Application aux hydrosystèmes Bassins versants rapides Karsts
Bruits de mesures et incertitudes considérables• Estimation des précipitations• Mesure des précipitations• Mesure des hauteurs• Conversion hauteur - débit
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom11
Application aux hydrosystèmes Bassins versants rapides Karsts
Bruits de mesures et incertitudes considérables• Estimation des précipitations• Mesure des précipitations• Mesure des hauteurs• Conversion hauteur - débit
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom12
Modélisation hydrodynamique du Lez Source du Lez
Alimente Montpellier (300 000 habitants) en eau potable Besoin d’une meilleure connaissance du fonctionnement de cet aquifère
Bassin d’alimentation particulièrement complexe Exutoires multiples (Lez, Lirou, …) dont seul le Lez est instrumenté Pompages intenses : assèchement de la source durant l’été Hétérogénéité géologique Cloisonnement du bassin en plusieurs sous bassins Hétérogénéité des précipitations De nombreuses études (Marjolet, 1976) (Paloc, 1979) (Bérard, 1983) (Fleury,
2008)
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom13
Modélisation hydrodynamique du Lez
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom14
Modélisation hydrodynamique du Lez
Prise en compte de l’hétérogénéité géologique•Thèse de Line Kong A Siou
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Bassin d'alimentation supposé du Lez (d’après Fleury 2008)
Institut Mines-Télécom15
Modélisation hydrodynamique du Lez
Prise en compte de l’hétérogénéité géologique•Thèse de Line Kong A Siou•4 zones homogènes alimentées par 4 pluviomètres virtuels
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
4 zones géologiquement « homogènes »
Institut Mines-Télécom16
Modélisation hydrodynamique du Lez
Prise en compte de l’hétérogénéité géologique•Thèse de Line Kong A Siou•4 zones homogènes alimentées par 4 pluviomètres virtuels
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
4 zones géologiquement « homogènes »
4 zones homogènes alimentées par 4 pluviomètres virtuels :
• Sud-Ouest : aquifère principal• Sud-Est : aquifère sous couverture imperméable• Nord-Est : couverture imperméable mais de nombreuses failles drainent l’eau vers la source• Nord-Ouest : aquifère perché dont l’eau exsurge puis se ré-infiltre.
Institut Mines-Télécom17
Modélisation hydrodynamique du Lez
Modèle neuronal•4 pluviomètres fictifs•1 approximateur universel pour chaque zone
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
4 zones géologiquement « homogènes »
4 zones homogènes alimentées par 4 pluviomètres virtuels :
• Sud-Ouest : aquifère principal• Sud-Est : aquifère sous couverture imperméable• Nord-Est : couverture imperméable mais de nombreuses failles drainent l’eau vers la source• Nord-Ouest : aquifère perché dont l’eau exsurge puis se ré-infiltre.
Institut Mines-Télécom18
Modélisation hydrodynamique du Lez
Méthode KnoX (Knowledge eXtraction)•Modèle postulé•(schéma-blocs)
•Les réseaux connectés aux pluies sont simplifiés : 1 neurone linéaire
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom19
Modélisation hydrodynamique du Lez
Méthode KnoX (Knowledge eXtraction)•Un réseau médian est obtenu à partir d’un grand nombre d’initialisations différentes des paramètres
Contribution de chaque zone au débit mesuré à la source du Lezo Estimée à partir de la valeur du produit de la chaine des paramètres qui lient chaque entrée à la sortie (Yacoub, 1997)
Temps de réponse de chaque zoneo Estimé au regard du retard du paramètre le plus important de chaque neurone linéaire
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom20
Modélisation hydrodynamique du Lez
Résultats
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Zone NO Zone NE Zone SO Zone SE
Contribution au débit 28% 44% 11% 5%
Temps de réponse (jour) 1 à 3 1 1 0
Zone Fonctionnement connu Analyse du résultatSud-Ouest
(11%)Aquifère principal La source du Lirou n’est pas prise en
compte
Sud-Est (5%) Aquifère sous couverture imperméable
L’eau ruisselle vers le fleuve
Nord-Est (44%) Couverture imperméable mais de nombreuses failles drainent l’eau
vers la source
Lien principal direct et rapide
Nord-Ouest (28%)
Aquifère perché dont l’eau exurge puis se ré-infiltre
Connexion importante et retardée.
Institut Mines-Télécom21
Modélisation hydrodynamique du Lez
Résultats
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Zone NO Zone NE Zone SO Zone SE
Contribution au débit 28% 44% 11% 5%
Temps de réponse (jour) 1 à 3 1 1 0
Zone Fonctionnement connu Analyse du résultatSud-Ouest
(11%)Aquifère principal La source du Lirou n’est pas prise en
compte
Sud-Est (5%) Aquifère sous couverture imperméable
L’eau ruisselle vers le fleuve
Nord-Est (44%) Couverture imperméable mais de nombreuses failles drainent l’eau
vers la source
Lien principal direct et rapide
Nord-Ouest (28%)
Aquifère perché dont l’eau exurge puis se ré-infiltre
Connexion importante et retardée.
Institut Mines-Télécom22
Modélisation hydrodynamique du Lez
Résultats• Si l’on estime les temps de réponse par la corrélation croisée on obtient 2 jours uniformément pour toutes les zones
• L’extraction de la connaissance par le réseau de neurones permet donc d’avoir une connaissance plus fine que par l’approche linéaire
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones
Institut Mines-Télécom23
Synthèse
Les réseaux de neurones ne sont pas que des boîtes noires que l’on ne peut interpréter :• Approche complémentaire pour les fonctions peu ou mal connues (crues rapides, karsts, neige, ETP, …), les forçages artificiels (barrages, pompages, …)
Approche opérationnelle :• Ils sont de bon prédicteurs (débit ou hauteur)• Ils peuvent aider à quantifier les transferts dans les bassins hétérogènes
Mais …• Système complexe, base de données importante nécessaire
• L’extraction de la connaissance par le réseau de neurones permet donc d’avoir une connaissance plus fine que par l’approche linéaire
Modélisation hydrodynamique des aquifères karstiques par réseaux de neurones