Abhatoo - Centre Nationale de Documentation

Le présent travail, décrit une approche pour la prédiction des sécheresses dans le bassin d’Inaouène, en utilisant et en comparant deux méthodes : la première basée sur les réseaux de neurones artificiel de type perceptron multicouche (RNAPMC) et la seconde basée sur la régression linéaire multiple (RLM). Ces deux méthodes ont été appliquées afin de prédire l’indice de sécheresse SPI (Standardized Precipitation Index).
Durant la première étape, le calcul de l’indice SPI a été effectué pour trois échelles de temps 3,6 et 12 mois. Cela est réalisé en ajustant la distribution de fréquence des enregistrements mensuels de précipitation à une fonction de densité de probabilité. Dans une seconde étape, trois modèles de prédiction ont été construit en utilisant pour entrées un jeu de données comportant les valeurs passées de l’indice SPI ainsi calculé, les valeurs de précipitations mensuelles et en introduisant aussi l’indice NAO pour estimer l’effet de l’Oscillation Nord Atlantique sur la sècheresse dans la région.
Les performances du modèle de prédiction intégrant les trois variables comme entrées (modèle M3) se montrent nettement supérieures à ceux établis par les autres modèles envisageant seulement les précipitations et/ou SPI. Ce modèle optimal (M3) a été appliqué à la prédiction de la sécheresse dans la région en se basant sur les deux méthodes de prédiction RNA et RLM et les résultats de performances montrent de très bonnes précisions avec un léger avantage de la méthode RNA.