Prevision Des Crues Dans Le Bassin Amont Du Fleuve Senegal A L’aide De Procedures Adaptatives. Adaptive Methods For Senegal River Headbasin Flood Forecasting

RESUME : La prévision des écoulements dans les cours d’eau et rivières est très importante en matière de gestion des ressources en eau. Dans cet article, un simple modèle de régression multilinéaire a été utilisé dans le bassin amont du fleuve Sénégal. Les débits naturels provenant des affluents non contrôlés de Bakoye, de la Falémé et des lâchers du barrage de Manantali constituent les entrées du modèle, les débits à la station de Bakel en constituent la sortie. En temps réel, trois procédures adaptatives ont été comparées à l’aide du critère de Nash: la méthode récursive des moindres carrés, la procédure de filtrage de Kalman et la méthode du gradient stochastique. Par rapport à la régression multilinéaire, ces procédures apportent une nette amélioration du critère de Nash. Cependant, la méthode du gradient stochastique plus légère, est selon le critère de Nash, plus performante que les deux premières, qui sont plus rigoureuses. ABSTRACT : Flood forecasting is an important topic in water resources management and control. In this paper a simple multilinear regression model where parameters are estimated using ordinary least square method has been used in the head basin of Senegal river. Flows from uncontrolled tributaries of Bakoye and Faleme and from Manantali Dam are used as inputs to calculate flows at Bakel considered as outlet for the basin. In real time forecasting, new information are available to update model parameters. Three methods of updating are applied : Kalman filter, recursive least square, and stochastic gradient. Compared with multilinear regression model, all adaptive procedures provide a significant improvement of the Nash criterion. However, the method of stochastic gradient based on a less rigorous theoretical basis compared to the Kalman filter and the recursive least squares method leads to higher values of quality criteria Nash.