M2 Hydraulique Urbaine

Notion Méthodes
Les méthodes
d’événement d’estimation des
probabilistes
extrême valeurs extrêmes

Notion de temps Calcul de

de retour l’intensité de pluie Exemples
de courte durée
 1. Notion d’événement extrême

Un évènement extrême correspond à des conditions

(météorologiques par exemple) qui ne sont pas habituelles en un
lieu et à un moment particulier pouvant occasionner des
dommages.
dommages

Evénement extrême == événement rare

On appel extrême un événement dont la probabilité inférieure à 10 %.

 2. Méthodes d’estimation des valeurs extrêmes

3 catégories :

Les méthodes probabilistes

Les méthodes hydrométéorologiques

Les méthodes déterministes

 2. Méthodes d’estimation des valeurs extrêmes

Les méthodes Les méthodes

Les méthodes
hydrométéorologiques déterministes
probabilistes
Semi-empiriques empiriques

Distribution Concepts Caractéristiques

statistique des physiques du bassin
données (transformation versant
pluie-débit)

Prise en compte Prise en compte

Probabilité
du paramètre t du paramètre t
 3. Méthodes probabilistes

3.1. Démarche

Méthodes
probabilistes

Méthodes
échantillonnages
 3. Méthodes probabilistes

3.1. Démarche

Excluent la Vérification Utilisation des

notion du des conditions lois
temps d’homogéniété d’ajustement
 3. Méthodes probabilistes

3.2. Lois de probabilité utilisées pour l’étude des évènements extrêmes

•loi de Galton (log-normale)

•La loi de Gumbel (exponentielle)

•La loi de Pearson ІІІ

 3. Méthodes probabilistes

3.3. Procédure de calcul

Classer les valeurs de l’échantillon par ordre croissant ou décroissant

Affecter un numéro d’ordre aux valeurs classées.

Calculer la fréquence expérimentale (empirique)

Calculer les caractéristiques empiriques de l’échantillon

Reporter les points sur papier à probabilité propre à chaque loi

Tracer la droite ou la courbe théorique correspondante

Tester l’adéquation de la loi d’ajustement.

Lire ou calculer la valeur extrême (quantile), c’est à dire la valeur
correspondante à une probabilité donnée

Calculer l’intervalle de confiance, en général mis égal à 95%

 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

X: variable hydrologique observée n fois au cours de N années

Soit i le rang de classement d’une valeur particulière.

la fréquence empirique de non dépassement sera :

Fi =Prob [X ≤ xi] = C’est le % des valeurs qui ne dépassent pas i

Remarque: la plus grande valeur de rang n ne pourrait pas être dépassée (FND = 1)
 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

Exemple:

X: nombre de crue par an.

Soit i le rang de classement du nombre de crue.
Année Xi i FND
2010 2 1 0.17
2007 3 2 0.33
2005 5 3 0.50
2006 6 4 0.67
2009 7 5 0.83
2008 9 6 1.00

Constat: la plus grande valeur (X=9) de rang n=6 ne pourrait pas être dépassée (FND = 1)
 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

X: variable hydrologique observée n fois au cours de N années

Soit i le rang de classement d’une valeur particulière.

la fréquence empirique de dépassement sera :

Fi=
Fi= Prob [X ≥ xi] = 1-
1-

Remarque: la plus petite valeur de rang n serait toujours dépassée (FD = 0)

 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

Exemple:

X: nombre de crue par an.

Soit i le rang de classement du nombre de crue.

Année Xi i FD
2008 9 1 0.83
2009 7 2 0.67
2006 6 3 0.50
2005 5 4 0.33
2007 3 5 0.17
2010 2 6 0.00

Constat: la plus petite valeur (X=2) de rang n=6 serait toujours dépassée (FD = 0)
 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

Diverses formules de calcul de fréquences sont proposées à partir de

la formule empirique généralisée :

i −α
Fi =
n + 1− 2α

α: paramètre dépendant de la nature de la fonction de distribution

 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

Si α=0:

i
Fi = Formule de Weibull
n +1

Si α=0.5:

i − 0.5
Fi = Formule de Hazen
n

Remarque: Pour des fonctions de distribution à comportement exponentiel (loi de

GUEMBEL), la formule de Hazen est à utiliser.
 3. Méthodes probabilistes

3.4. Notion de fréquence expérimentale

 4. Notion de temps de retour

Temps de retour ????

Projets
d'aménagements

Averse type

Fréquences
probables
d'apparition
 4. Notion de temps de retour

Temps de retour ????

Etude des Etude des

précipitations la probabilité pour débits la probabilité
qu'une intensité I pour qu'un débit Q
ne soit pas atteinte ne soit pas atteint
ou dépassée ou dépassé

F(x)= Prob [X ≤ x]

F(x): fréquence de non-dépassement

 4. Notion de temps de retour

On définit alors le temps de retour T d'un événement comme étant l'inverse

de la fréquence d'apparition de l'événement. Soit :

1-F(x): fréquence de dépassement (fréquence

fréquence d'apparition)

Un événement de période de retour T a en moyenne une probabilité 1/T de se

produire chaque année.
 4. Notion de temps de retour

Périodes de retour recommandées pour certains ouvrages :

Evacuateur de crues……..T=500 à 1000 ans

 4. Notion de temps de retour

Périodes de retour recommandées pour certains ouvrages :

Autoroutes……..T=100 ans
 4. Notion de temps de retour

Périodes de retour recommandées pour certains ouvrages :

Routes principales……..T=50 ans

 4. Notion de temps de retour

Périodes de retour recommandées pour certains ouvrages :

Digues……..T=100 ans
 4. Notion de temps de retour

Périodes de retour recommandées pour certains ouvrages :

Type d’ouvrage (T) recommandée

Evacuateur de crues 500 à 1000 ans
Autoroutes 100 ans
Routes principales 50 ans
Routes secondaires 25 ans
Digues 100 ans
Plaines inondables 100 ans
Egouts pluvieux, fossés de
5 à 10 ans
drainage
Egouts pluvieux de moindre
1 à 2 ans
importance
 5. Calcul de l’intensité de pluie de courte durée

formule de Montanari:
Montanari:

L’intensité de pluie de durée t et de période de retour p% est donnée

par la relation suivante :

P ( p %) t
i ( p %) =
t
j max
( ) b −1

24 24
it (p%) : Intensité moyenne pour une averse de fréquence (p%).

[Link] (p%) : Pluie journalière de fréquence (p%) donnée.

t : durée de l’averse en heure (t=0.25h =15 min pour T= 10 ans)

b : exposant climatique de la région.

 6. Exemples

Exemple 1 : Etude de série de précipitation

Année Pjmax(mm) Année Pjmax(mm)

1975 - 1976 41.1 1990 - 1991 28.2
1976 - 1977 36.1 1991 - 1992 108
1977 - 1978 46 1992 - 1993 51.2
On dispose d’une série
1978 - 1979 65,3 1993 - 1994 95.4
de données de 1994 - 1995 41.1
1979 - 1980 46
précipitation maximales 1980 - 1981 33.4 1995 - 1996 58.6
journalières d’une 1981 - 1982 43 1996 - 1997 51.1
station pluviométrique. 1982 - 1983 59.5 1997 - 1998 45.5
1983 - 1984 51.9 1998 - 1999 31.6
1984 - 1985 105.5 1999 - 2000 27.7
1985 - 1986 128 2000 - 2001 48.9
1986 - 1987 59.3 2001 - 2002 28.4
1987 - 1988 35.9 2002 - 2003 53,5
1988 - 1989 45.4 2003 - 2004 49,3
1989 - 1990 33
 6. Exemples

Exemple 1 : Etude de série de précipitation

Déterminer l’intensité de pluie qui

correspond à une et les période de retour
T=10 ans, en passant par l’ajustement de
la série à loi de probabilité théorique ?
 6. Exemples

Exemple 1 : Etude de série de précipitation

a. Ajustement de la série pluviométrique à la loi de GUMBEL

−e− y
F(x) = e
Tel que :

y = a ( x – x0 )

x=1/a y + x0
Avec :
1/a : la pente de la droite de GUMEL
y : variable réduite de GUMBEL
x : précipitation maximale journalière (mm)
x0 : ordonnée à l’origine en (mm)

On peut écrire : y = - ln ( - ln ( F (x ) ) )
 6. Exemples

Exemple 1 : Etude de série de précipitation

a. Ajustement de la série pluviométrique à la loi de GUMBEL

La procédure consiste à :

•Classer la série des précipitations par ordre croissant

•Calculer de la fréquence expérimentale

•Calculer des caractéristiques empiriques de la série de données

•Ajuster graphiquement la loi choisie

•Calculer l’intervalle de confiance

 6. Exemples

Exemple 1 : Etude de série de précipitation

a. Calcul des fréquences:

Pjmax Rang Fréquence Pjmax Rang Fréquence
27.7 1 0.019 48.9 16 0.596
28.2 2 0.058 17
51.1 0.635
28.4 3 0.096 18
51.2 0.673
31.6 4 0.135 19
51.9 0.712
33 5 0.173 20
58.6 0.750
33.4 6 0.212
59.3 21 0.788
35.9 7 0.250
59.5 22 0.827
36.1 8 0.288
95.4 23 0.865
41.1 9 0.327
105.5 24 0.904
41.1 10 0.365
11 108 25 0.942
43 0.404
12 128 26 0.981
45.4 0.442
45.5 13 0.481
46 14 0.519
46 15 0.558
 6. Exemples

Exemple 1 : Etude de série de précipitation

b. Calcul des caractéristiques de l’échantillon :

La somme des Pjmax en (mm) : 1379.8 mm

La moyenne des Pjmax en (mm) : 53.07 mm

L’écart type en (mm): 26.55 mm

Le coefficient de variation : 0.5

 6. Exemples

Exemple 1 : Etude de série de précipitation

b. Calculer la variable réduite de GUMBEL :

Pjmax Rang Fréquence variable réduite y Pjmax Rang Fréquence variable réduite y
27.7 1 0.019 -1.374 48.9 16 0.596 0.659
28.2 2 0.058 -1.048 51.1 17 0.635 0.788
28.4 3 0.096 -0.851 51.2 18 0.673 0.927
31.6 4 0.135 -0.696 51.9 19 0.712 1.078
33 5 0.173 -0.562 58.6 20 0.750 1.246
33.4 6 0.212 -0.440 59.3 21 0.788 1.437
35.9 7 0.250 -0.327 59.5 22 0.827 1.661
36.1 8 0.288 -0.218 95.4 23 0.865 1.934
41.1 9 0.327 -0.112 105.5 24 0.904 2.292
41.1 10 0.365 -0.007 108 25 0.942 2.823
43 11 0.404 0.098 128 26 0.981 3.942
45.4 12 0.442 0.204
45.5 13 0.481 0.311
46 14 0.519 0.422
46 15 0.558 0.538
 6. Exemples

Exemple 1 : Etude de série de précipitation

c. calcul des paramètres d’ajustement « a » et « x0 »:

Les paramètres de la loi peuvent être déterminés graphiquement ou par la méthode des
moments :

1  6 σ
σ x = x = ( 0 , 78 )( 25 . 20 ) = 19 . 65 mm
= 
a  π  1.28

1
x0 = x − y = 53.37 – (19.65).(0,56) = 42.04
a
 6. Exemples

Exemple 1 : Etude de série de précipitation

Ajustement à une loi de Guembel

140

120
y = 20.14x + 41.66
100 R² = 0.900

80
Pjmax

Ajustement à une loi de Guembel

60

Linéaire (Ajustement à une loi de

40
Guembel)

20

-2 -1 0 1 2 3 4 5

Variable réduite
 6. Exemples

Exemple 1 : Etude de série de précipitation

b. calcul des paramètres d’ajustement « a » et « x0 »:

L’équation de la droite de GUMBEL s’écrit :

x = 19.56 y + 42.04

Pj,max ( p %) = 19.56 y + 42.04

 6. Exemples

Exemple 1 : Etude de série de précipitation

d. Calcul des valeurs théoriques à partir de l’équation de GUEMBEL:

Pjmax Rang Fréquence y valeurs théoriques Pjmax Rang Fréquence y valeurs théoriques
27.7 1 0.019 -1.401 14.63072685 48.9 16 0.534 0.468 51.18776306
28.2 2 0.058 -1.086 20.80160404 51.1 17 0.603 0.683 55.3996531
28.4 3 0.096 -0.896 24.50449551 51.2 18 0.638 0.8 57.67946385
31.6 4 0.135 -0.749 27.39280855 51.9 19 0.672 0.924 60.1157456
33 5 0.173 -0.622 29.86770769 58.6 20 0.741 1.206 65.6391337
33.4 6 0.212 -0.508 32.09665038 59.3 21 0.776 1.371 68.86234393
35.9 7 0.250 -0.402 34.16795369 59.5 22 0.81 1.559 72.53877407
36.1 8 0.288 -0.302 36.13531571 95.4 23 0.879 2.051 82.15586504
41.1 9 0.327 -0.205 38.03490759 105.5 24 0.914 2.406 89.10660523
41.1 10 0.365 -0.11 39.89320244 108 25 0.948 2.935 99.45629361
43 11 0.404 -0.016 41.73104648 128 26 0.983 4.052 121.2924206
45.4 12 0.442 0.078 43.56601057
45.5 13 0.481 0.172 45.41389321
46 14 0.519 0.268 47.28979488
46 15 0.558 0.367 49.20899273
 6. Exemples

Exemple 1 : Etude de série de précipitation

e. Calcul du coefficient de corrélation :

Pour comparer les valeurs théoriques aux valeurs expérimentales

N = 26

∑ ( x − x)( X − X )
r= = 0,93
i i
i =1

∑ ( x − x) ∑ ( X − X )
2 2
i i

x: Valeur expérimentale.
X: Valeur théorique.

r = 0.93 > 0.8, donc la corrélation est acceptable.

 6. Exemples

Exemple 1 : Etude de série de précipitation

Précipitation maximale journalière pour une période de retour de 10 ans ??

La variable réduite égale y = - ln ( - ln F(90%)) =2.25

140

120

100

80
Pjmax

[Link] ( 10 %) = 89 mm Ajustement à une loi

60
de Guembel

40
Linéaire (Ajustement à
20 une loi de Guembel)

-2 -1 0 1 2 3 4 5

Variable réduite
 6. Exemples

Exemple 1 : Etude de série de précipitation

Calcul de de l’intensité de pluie de courte durée (15mm) pour T=10 ans

i15 min (10%) = ???

89 0,25
i
15 min
(10 %) = ( ) 0 , 37 −1
= 65 .77 mm / h
24 24