BIENVENUE À LA SOUTENANCE

DE
CEDRIC GOHOUEDE

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 1 / 27

 Ecole Nationale Supérieure de Génie
Mathématique et Modélisation

Modélisation des débits journaliers du

bassin versant de l’Ouémé à Savè à l’aide
des équations différentielles stochastiques

Lionel Cédric GOHOUEDE

28 décembre 2021

Maîtres mémoire : Superviseur :

Dr (MA) MOUSSA DJIBRIL A. Dr (MC) ALAMOU Éric
Dr (MA) BIAO I. Eliézer
Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 2 / 27
PLAN

1 Introduction

2 Matériel

3 Méthodologie

4 Résultats et discussions

5 Conclusion et perspectives

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 3 / 27

Introduction

Contexte et justification :
- l’accélération de la variabilité du climat ;
- la gestion des ressources en eau ;
- l’aménagement du territoire ;
- les risques hydrologiques (inondation, sécheresse) ;
- Nécessité d’une approche stochastique pour prendre en
compte les incertitudes.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 4 / 27

Introduction

Objectifs
1 Objectif général :
Proposer un modéle stochastique pluie-débit
2 Objectifs spécifiques :
Etablir l’EDS et l’EFP ; puis les résoudre numériquement.
Hypothèses de travail
1 Hypothèse 1 : PMA
2 Hypothèse 2 : Processus gaussien

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 5 / 27

Bassin versant

F IGURE – 1 : Schéma d’un bassin versant. (Suchet Amiotte, 2014)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 6 / 27

Matériel

Données(1971 à 2011) :
1 Précipitations
(Source :
Météo-Bénin)
2 ETP (Source :
Météo-Bénin)
3 Débits : (Source :
Direction Générale de
l’Eau/ DG-Eau)
Logiciel : MATLAB
2018b ;
PC : LENOVO, Ram 8
GB, intel core i5.
Figure 2 : Localisation du bassin versant de l’Ouémé à Savè.
(Sintondji, 2014)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 7 / 27

 Méthodologie

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 8 / 27

Présentation du ModHyPMA
ModHyPMA : Modèle Hydrologique basé sur le Principe de
Moindre Action ; proposé par Afouda A. et Alamou E. (2010).
PMA : Principe de Moindre Action (Maupertuis et Fermat ;
18ème siècle)
Équations du ModHyPMA (Alamou, 2011) :
1 Équation de production

dZ (q, t)
= ψ(q, t) (1)
dt
2 Équation de transformation

d(λQ)
+ µQ 2µ−1 = ψ(q, t) (2)
dt

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 9 / 27

Paramètres et entrées du ModHyPMA

•
Z (q, t) fonction de production ;
•
Q débit à l’exutoire du bassin versant ;
•
ψ(q, t) = X (t)q(t) entrée ou forçage du modèle ;
•
X (t) coefficient de proportionnalité décrivant l’état du sol au
jour t ;
•
q est l’apport des précipitations à l’écoulement (pluie
effective) ;
•
q(t) = 0 si P < ETP et q(t) = P − ETP si P ≥ ETP
•
µ, λ, TX et P2 : paramètres du modèle, obtenus par un
calage.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 10 / 27

Formulation du modèle stochastique
Forme générale de l’équation de transformation (2) :

dQ
≈Y
bt (3)
dt
bt = − µ Q 2µ−1 + 1 ψ(q, t) la structure du ModHyPMA
avec Y
λ t λ
(hypothèse 1).
Approximation de dQdt
par le processus stochastique Yt :

dQ
= Yt (4)
dt
avec Yt = Y
bt + rt (5)
rt le terme stochastique qui modélise les incertitudes
considéré, par hypothèse (hypothèse 2), comme un
processus gaussien.
Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 11 / 27
On a :
rt − R
ε(t) = (6)
G
avec
•
ε(t) le bruit blanc gaussien ;
•
R = E[rt ] : Espérance de rt ;
•
G = σr : l’écart-type (intensité du bruit) de rt .
L’équation (6) donne :

rt = R + G.ε(t) (7)

En remplaçant (7) dans (5) puis dans (4), on obtient :

dQ µ 1
= − Q 2µ−1 + ψ(q, t) + R + G.ε(t) (8)
dt λ λ

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 12 / 27

De l’équation (8), on déduit l’ EDS du modèle stochastique :

dQ = f (Q, t)dt + G.dW (t), Q(t0 ) = Q0 (9)

avec
•
Q(t0 ) = Q0 le débit intial
µ 1
•
f (Q, t) = − Q 2µ−1 + ψ(q, t) + R (coefficient de
λ λ
transfert) ;
µ 1
•
R = E[ d(Q)
dt
+ Q 2µ−1 − ψ(q, t)] ;
r λ λ
µ 1
•
G = Var [ dQ dt
+ Q 2µ−1 − ψ(q, t)] (coefficient de
λ λ
diffusion) ;
•
W (t) le processus du mouvement Brownien standard.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 13 / 27

Equation de Fokker-Planck(EFP)
l’EFP associée à l’EDS (9) est la suivante :

∂P(Q, t) ∂ 1 ∂2
=− [f (Q, t)P(Q, t)] + [G2 P(Q, t)] (10)
∂t ∂Q 2 ∂Q 2
La condition initiale :

P(Q, t)|t=t0 = δ(Q − Q0 ) (11)

avec δ(Q − Q0 ) = 1 (évènement certain), si Q = Q0 et

δ(Q − Q0 ) = 0, sinon ;
Les conditions aux limites (absorbantes) :

P(Qmin , t) = P(Qmax , t) = 0 (12)

Qmin = 0 m3 /s et Qmax est le débit maximal.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 14 / 27
Application du schéma numérique d’Euler à
l’EDS

Schéma numérique d’Euler de l’EDS :

Qt+∆t = Qt + f (Qt , t)∆t + G.(Wt+∆t − Wt ), Qt0 = Q0 (13)

avec Wt+∆t − Wt = ∆Wt ∼ N (0, ∆t) et ∆t = 1 jour.

Ou plus simplement :

Qt+1 = Qt + f (Qt , t) + G.∆Wt , Qt0 = Q0 (14)

avec ∆Wt ∼ N (0, 1).

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 15 / 27

Résolution numérique de l’EFP
1. Méthode des différences finies (DF) d’ordre 4 :
-Nombre de mailles : m ;
-Nombre de points : m + 1, dont m − 1 points inconnus.

Figure 3 : Maillage du domaine (Q, t)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 16 / 27
 Schéma numérique de DF de l’EFP au point (i, j) :
Pi,j − Pi,j−1 Pi−2,j − 8Pi−1,j + 8Pi+1,j − Pi+2,j 2 −Pi−2,j + 16Pi−1,j − 30Pi,j + 16Pi+1,j − Pi+2,j
= −fj +G
∆t 12∆Q 12(∆Q)2
(15)

avec ∆t = 1.
Système à résoudre à la date j

avec Aj = ∆Q.fj + G2 ; Bj = −8(∆Q.fj + 2G2 ) ;

Cj = r + 30G2 ;
Dj = 8(∆Q.fj − 2G2 ) ; Ej = −(∆Q.fj − G2 ).
Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 17 / 27
2. Méthode des volumes finies (VF) :
-Nombre de mailles : m ;
-Nombre de points : m + 2, dont m points inconnus.

Figure 4 : Maillage du domaine (Q, t)

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 18 / 27

 Schéma numérique de VF de l’EFP au point (i, j) :
∂2
Z Q Z Q Z Q
i+ 1 ∂P(Q, t) i+ 1 ∂ 1 i+ 1 2
2 dQ = − 2 [f (t)P(Q, t)]dQ + 2 [G P(Q, t)]dQ (16)
Q ∂t Q ∂Q 2 Q ∂Q 2
i− 1 i− 1 i− 1
2 2 2

Système à résoudre à la date n

avec An = − 21 [∆Q.f n + G2 ] ; Bn = [(∆Q)2 + G2 ] ;

Cn = 12 [∆Q.f n − G2 ] ; Dn = [(∆Q)2 + 21 (∆Q).f n + 23 G2 ]
et En = [(∆Q)2 − 21 ∆Q.f n + 32 G2 ].
Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 19 / 27
 Résultats et discussions

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 20 / 27

Modèle déterministe ModHyPMA : calage et
validation
Calage : 01/01/2003 à 31/12/2007
Validation : 01/07/2009 à 30/06/2011

Figure 6 : Les débits simulés et observés du

01/07/2009 au 30/06/2011

Tableau 1 : Résultats du calage et de la

validation avec le ModHyPMA
Critère Calage Validation
Figure 5 : Les débits simulés et NSE 0.78 0.72
R2 0.78 0.88
observés du 01/01/2003 au RMSE 123.13 184.94
MAE 51.99 90.97
31/12/2007

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 21 / 27

Modèle Stochastique : Validation
Constante R = −0.0636
Intensité du bruit : G = 45.17

Tableau 2 : Résultats de la validation du modèle

stochastique
Critère ModHyPMA Modèle Stochastique
Figure 7 : Débits simulés (modèle NSE 0.72 0.90
2
R 0.88 0.90
stochastique et ModHyPMA) et RMSE 184.94 113.02
MAE 90.97 76.29
observés du 01/07/2009 au
30/06/2011.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 22 / 27

Modèle de prévision : l’EFP

Figure 8 : Comparaison entre la solution numérique avec les

différences finies (DF) et celle avec les volumes finis (VF).

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 23 / 27

Interprétation de la solution de l’EFP

Figure 9 : Evolution de la densité de probabilité du débit en

fonction du temps.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 24 / 27

Figure 10 : Intervalle de confiance du débit à t = t0 + 10 au seuil
de 90% avec t0 = 22/09/11.
Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 25 / 27
 Conclusion et perspectives

Les incertitudes sont exprimées par les

distributions de probabilité du débit ;
Améliorer le modèle en levant l’hypothèse
restrictive qui exige que les incertitudes soient
modéliser par processus gaussien.

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 26 / 27

 Merci de votre écoute

Lionel Cédric GOHOUEDE (UNSTIM) Modélisation stochastique 28 décembre 2021 27 / 27