La pluie est un paramètre important du climat et les études sur les précipitations sont généralement entravées en raison du manque de données continues ou de la faible densité du réseau pluviométrique, en particulier dans les pays en développement. Compte tenu de ce problème, l’étude présente des méthodologies utilisée pour l’optimisation d’un réseau d’observation des précipitations moyennes annuelles. Il s’agit de la prédiction des précipitations en utilisant la régression linéaire multiple et les réseaux de neurones artificiels, à partir de 40 stations pluviométriques réparties dans le nord-est de l’Algérie. Les deux méthodes statistiques sont utilisées pour modéliser les relations entre une
variable dépendante ()données pluviométriques)( et les
variables explicatives altitude, distance de la mer, les
coordonnées latitude et longitude)(. Les résultats obtenus
dans cette étude indiquent que le modèle du réseau
de neurone Multi-Couches Perceptron MCP)( est capable de fournir une meilleure représentation des estimations des précipitations en comparaison avec le modèle de
régression linéaire multiple. Dans ce cas, l’estimation
présentée par les réseaux de neurones artificiels est plus proche des valeurs réelles que les précipitations liées à la
régression multivariée avec une erreur quadratique moyenne faible de 0,12 et un facteur d’efficacité et un
coefficient de corrélation élevés de 0,90 et 0,95
respectivement.
-
Votre commentaire
Votre commentaire s'affichera sur cette page après validation par l'administrateur.
Ceci n'est en aucun cas un formulaire à l'adresse du sujet évoqué,
mais juste un espace d'opinion et d'échange d'idées dans le respect.
Posté Le : 20/11/2021
Posté par : einstein
Ecrit par : - Tourki - K. Khanchoul
Source : Bulletin des sciences géographiques de l'INCT Volume 2, Numéro 29, Pages 63-76