[PDF] Estimation de la température de leau de rivière en utilisant les

View - Download Estimation de la température de leau de rivière en utilisant les

Previous PDF

Next PDF

Tous droits r€serv€s Revue des sciences de l'eau, 2005 Ce document est prot€g€ par la loi sur le droit d'auteur. L'utilisation des d'utilisation que vous pouvez consulter en ligne. l'Universit€ de Montr€al, l'Universit€ Laval et l'Universit€ du Qu€bec " Montr€al. Il a pour mission la promotion et la valorisation de la recherche.

https://www.erudit.org/fr/Document g€n€r€ le 23 oct. 2023 07:19Revue des sciences de l'eauJournal of Water Science

r€seaux de neurones et la r€gression lin€aire multipleWater temperature prediction using neural networks andmultiple linear regression

M. B€langer, N. El-Jabi, D. Caissie, F. Ashkar et J. M. Ribi B€langer, M., El-Jabi, N., Caissie, D., Ashkar, F. & Ribi, J. M. (2005). Estimation de la temp€rature de l'eau de rivi...re en utilisant les r€seaux de neurones et la r€gression lin€aire multiple.

Revue des sciences de l'eau / Journal of Water

Science

18 (3), 403†421. https://doi.org/10.7202/705565ar

R€sum€ de l'article

La temp€rature de l'eau en rivi...re est un param...tre ayant une importance majeure pour la vie aquatique. Les s€ries temporelles d€crivant ce param...tre thermique existent, mais elles sont moins nombreuses et souvent courtes, ou comptent parfois des valeurs manquantes. Cette €tude pr€sente la mod€lisation de la temp€rature de l'eau en utilisant des r€seaux de neurones et la r€gression lin€aire multiple pour relier la temp€rature de l'eau " celle de l'air et le d€bit du ruisseau Catamaran, situ€ au Nouveau-Brunswick, Canada. Une recherche multidisciplinaire " long terme se d€roule pr€sentement sur ce site. Les donn€es utilis€es sont de 1991 " 2000 et comprennent la temp€rature de l'air de la journ€e en cours, de la veille et de l'avant-veille, le d€bit ainsi que le temps transform€ en s€rie trigonom€trique. Les donn€es de 1991 " 1995 ont €t€ utilis€es pour l'entra‡nement ou la calibration du mod...le tandis que les donn€es de 1996 " 2000 ont €t€ utilis€es pour la validation du mod...le. Les coefficients de d€termination obtenus pour l'entra‡nement sont de 94,2 % pour les r€seaux de neurones et de 92,6 % pour la r€gression lin€aire multiple, ce qui donne un €cart-type des erreurs de 1,01 C pour les r€seaux de neurones et de 1,05 C pour la r€gression lin€aire multiple. Pour la validation, les coefficients de d€termination sont de 92,2 % pour les r€seaux de neurones et de 91,6 % pour la r€gression lin€aire multiple, ce qui se traduit en un €cart-type des erreurs de 1,10 C pour les r€seaux de neurones et de 1,25 C pour

la r€gression lin€aire multiple. Durant la p€riode d'€tude (1991-2000), le biais a

€t€ calcul€ " +0,11 C pour le mod...le de r€seaux de neurones et " -0,26 ˆC pour le

mod...le de r€gression. Ces r€sultats permettent de conclure qu'il est possible de pr€voir la temp€rature de l'eau de petits cours d'eau en utilisant la temp€rature de l'air et le d€bit, aussi bien avec les r€seaux de neurones qu'avec la r€gression lin€aire multiple. Les r€seaux de neurones semblent donner un ajustement aux donn€es l€g...rement meilleur que celui offert par la r€gression lin€aire multiple, toutefois ces deux approches de mod€lisation d€montrent une bonne performance pour la pr€diction de la temp€rature de l'eau en rivi...re. REVUE DES SCIENCES DE L'EAU, Rev. Sci. Eau 18/3(2005) 403-421

Estimatio

n d e l a températur e d e l'eau en rivière e n utilisan t le s réseau x d e neurone s e t l a régressio n linéair e multipl e Wate r températur e prédictio n usin g neura l network s an d multipl e linea r régressio n M BÉLANGER1, N. EL-JABI1*, D. CAISSIE2, F. ASHKAR3, J.-M. RIBI4

Reç

u l e 8 avril 2003, accepté le 22 juillet 2005**.

SUMMAR

Y Wate r températur e i s a paramete r o f grea t importanc e fo r wate r resources Fo r instance modification s o f th e therma l régim e o f a rive r ca n hâv e a signi fican t impac t o n fis h habitat

Therefore

understandin g an d predictin g wate r température s i s essentia l i n orde r t o hel p preven t o r forecas t hig h tempéra tur e problems I n orde r t o predic t wate r températures dat a série s ar e neces sary Man y dat a série s exis t fo r ai r températures bu t wate r températur e série s ar e relativel y scarc e an d thos e availabl e ar e ofte n shor t o r hâv e mis sin g values Thi s stud y présent s th e modellin g o f wate r températur e usin g neura l network s an d multipl e linea r régressio n t o relat e wate r températur e t o ai r températur e an d discharg e i n

Catamara

n Brook Ne w

Brunswick

Canada

Catamara

n Broo k i s a smal l strea m (5 1 km2) where long-term multidiscipli- nar y habita t researc h i s bein g carrie d out Man y variable s ca n impac t wate r température s i n a river suc h a s ai r température sola r radiation winquotesdbs_dbs46.pdfusesText_46

[PDF] La température des planètes telluriques

[PDF] la temperature du four est elle proportionnelle au temps

[PDF] la température du four est-elle proportionnelle au temps

[PDF] la température en physique

[PDF] la temporalité dans le récit

[PDF] la temporalité définition

[PDF] La tension

[PDF] La tension aux bornes

[PDF] la tension de l'électique

[PDF] La tension électrique

[PDF] la tension électrique 4ème

[PDF] La tension en fonction du temps - CNED

[PDF] la tension et l'intensité du courant électrique exercices

[PDF] La tension nominale d'une lampe

[PDF] La tension nominale des générateurs et des récepteur et la combustion