Rapport de Stage. - spe.univ-corse.frspe.univ-corse.fr/filippiweb/publis/stage.pdf · apport de...
Transcript of Rapport de Stage. - spe.univ-corse.frspe.univ-corse.fr/filippiweb/publis/stage.pdf · apport de...
Jean Baptiste Filippi
Année 1999/2000
R a p p o r t d e S t a g e .
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Laboratoire URA2053 Systèmes physiques pour l'environnement
Sous la tutelle de Marielle Delhom et de Frederic Chiari
Effectué du 5/5/2000 au 31/08/2000
Université de Corse Faculté des sciences et techniques
Campus Grossetti
BP52, 20250 Corte
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°1 sur 62
Table des matières un onglet placé dans la marge de droite permet un accès rapide aux rubriques en feuilletant.
1 Introduction ..........................................................................3 1.1 Enjeu de la maîtrise de l'eau........................................................................... 3
1.2 Description du stage ....................................................................................... 3
1.3 Le labo URA2053 ........................................................................................... 3
2 Etat de l’art ...........................................................................4 2.1 Les bassins versants ...................................................................................... 4
2.2 Modélisation et simulation orientées objets .................................................. 16
2.3 Principes généraux de modélisation par réseaux de neurones .................... 19
2.4 Les SIG......................................................................................................... 23
2.5 Travaux déjà réalisés, projets internationaux sur le sujet ............................. 24
2.6 Conclusions .................................................................................................. 24
3 Analyse................................................................................25 3.1 Principe de fonctionnement du logiciel ......................................................... 25
3.2 Hypothèses de développement .................................................................... 26
3.3 Architecture du logiciel.................................................................................. 30
3.4 Spécifications. .............................................................................................. 31
4 Conception et Programmation .........................................38 4.1 Choix du langage.......................................................................................... 38
4.2 Fonctionnement du logiciel ........................................................................... 38
4.3 Réutilisation des classes java....................................................................... 43
4.4 Planning de développement. ........................................................................ 43
4.5 Code (cf. annexe 4) ...................................................................................... 43
4.6 Couplage ArcView. ....................................................................................... 44
4.7 Outils de gestion de projet. ........................................................................... 44
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°2 sur 62
5 Exemples d'expérimentations. .........................................45 5.1 Première expérience..................................................................................... 45
5.2 Deuxième expérience. .................................................................................. 47
5.3 Troisième expérience. .................................................................................. 50
6 Ouvertures possibles / Conclusion: ................................55 6.1 Etendue du couplage (interaction SIG-application) coupes, calcul de pente.55
6.2 Ajout de modèles atomiques à traitements numériques. .............................. 55
6.3 Intégration des modéles atomiques connexionnistes dans la méthodologie de
Modélisation et Simulation Orientée Objet développée à l'URA 2053. .................. 55
6.4 Créations de bibliothèques UML de modélisation de Systèmes naturels. .... 56
6.5 Intérêts du stage, travaux à réaliser.............................................................. 56
7 Bibliographie ......................................................................57
8 Glossaire.............................................................................58
9 Table des figures ...............................................................60
10 Annexes .............................................................................61 10.1 Prédiction du comportement hydrologique d'un bassin versant à l'aide de
Réseaux de Neurones, publication ESRI 2000..........................................................
10.2 A GIS based methodology for the modeling and the simulation of watersheds,
publication ATW 2000................................................................................................
10.3 Prediction of the Hydrologic Behavior of a Watershed using Artificial Neural
Networks and Geographic Information Systems, publication SMC 2000...................
10.4 Modélisation et simulation orientées objet , Application à l'étude du
comportement hydrologique d'un bassin versant, Marielle Delhom - Paul
Bisgambiglia - Antoine Aiello - Jean-François Santucci.............................................
10.5 Exemples de Code ...........................................................................................
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°3 sur 62
1 Introduction Ce stage a été réalisé au sein de l'équipe informatique du laboratoire URA
2053 dont le thème de recherche est l'étude des systèmes physiques pour
l'environnement. Il a pour but de réaliser un outil de simulation de débit dans
un bassin versant, s'appuyant sur les études réalisées par M.Delhom, F.Chiari
et JF.Santucci au sein de l'URA 2053 [CHI 2000][DEL 96].
L'utilité de cet outil est la prévision de débits de cours d'eau pour en faciliter la
gestion.
1.1 Enjeu de la maîtrise de l'eau
Patrimoine naturel de l'humanité, la maîtrise de l'eau va constituer dans les
prochaines années un enjeu majeur pour nos populations. Les données
environnementales, sociales, techniques, économiques qui s'attachent à la
gestion de cette ressource essentielle à la vie devront être au premier plan de
nos préoccupations. La disponibilité d'eau douce est le plus grand problème
auquel est confronté l'humanité d'aujourd'hui ; les difficultés qui lui sont liées
se répercuteront sur la vie de milliards de personnes. Le problème de l'eau
douce dans le monde souligne le dilemme auquel doit faire face l'humanité : la
concurrence entre l'environnement et le développement peut-elle être
transformée en partenariat entre ces deux éléments dans le cadre d'un
développement durable ?
1.2 Description du stage
L'objectif de ce stage est de réaliser un outil efficace de simulation de bassins
versants en intégrant un module de simulation neuronale à un SIG existant
que l'étudiant aura à choisir en concertation avec l'équipe. L'Interface
Homme/Machine du logiciel devra permettre une utilisation distribuée suivant
une architecture Intranet/Extranet. Le module sera développé en utilisant un
langage Orienté Objet et interagira avec le logiciel SIG en s'appuyant sur les
normes d'objets distribués (CORBA, COM/DCOM…). Ceci implique donc que
le logiciel SIG choisi soit fortement respectueux de ces normes et que le
développement du module y soit complètement astreint.
1.3 Le labo URA2053
A sa création, l’URA s’est donnée comme axe central les systèmes
dynamiques, quelle que soit leur nature : énergétique ou mécanique. Ces
systèmes sont étudiés à travers la modélisation de leur comportement dans le
temps, ce qui induit leur étude expérimentale ainsi que des outils
mathématiques, numériques et informatiques.
SIG : Système
d’information
géographique (Voir
2.2) I
ntro
duct
ion
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°4 sur 62
2 Etat de L’art Cette partie présente les concepts et notions utiles à la compréhension du
travail réalisé pendant le stage, le lecteur sera emmené à comprendre la
démarche qui a conduit au développement du logiciel à travers les études et
les travaux déjà effectués sur le sujet.
2.1 Les bassins versants
Cette partie expose fonctionnement très complexe d'un bassin versant pour
pouvoir ensuite présenter les différentes techniques de modélisation utilisées.
2.1.1 Le cycle de l’eau
Une partie de l’eau précipitée retourne vers l'atmosphère, par
évapotranspiration et évaporation (fig. 1) [JAC 97].
Le terme d'évaporation désigne les pertes en eau des nappes d'eau libres
sous forme de vapeur (lacs, retenues, mares) ; alors que l'évapotranspiration
regroupe les pertes du sol : absorption de l'eau par le couvert végétal ou
animal, et restitution à l'atmosphère par transpiration.
L'évapotranspiration est liée à un certain nombre de paramètres climatiques
tels que température, vent, humidité, rayonnement etc.
L'eau non restituée à l'atmosphère migre sous forme :
• d'écoulements de surface rapides (rivières, ravines...), transitant parfois
par des zones de stockage naturelles (étangs, lacs, mares...) ou
artificielles (retenues...);
• d'écoulements souterrains intervenant après infiltration; ces eaux sont
souvent stockées en profondeur dans des réservoirs constitués de roches
poreuses et perméables formant les aquifères.
Si elles ne sont pas utilisées par l’homme, les eaux souterraines parviennent
finalement à la mer.
Le cycle de l'eau se poursuit : c'est le milieu marin qui, par évaporation,
humidifie les masses d'air véhiculées par l'alizé.
Par condensation, il y a formation de nuages, et éventuellement précipitation.
Établir le bilan en eau d’une région sur une période donnée, c'est chiffrer les
quantités d’eau qui entrent et sortent des différents bassins versants qui la
composent (le bassin versant d'une rivière est la zone à l'intérieur de laquelle
l'eau précipitée s'écoule et converge vers la rivière).
Rayonnement : Energie restituée solaire
au sol.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°5 sur 62
Le bilan hydrologique d'un bassin versant peut s'exprimer schématiquement
par la formule suivante:
P = E + Q + I + U + dR,
Chacun des termes du bilan hydrologique est naturellement pondéré par
divers paramètres climatiques et géographiques. Par exemple, la température
est l'un des facteurs principaux du pouvoir évaporant de l’atmosphère, le relief
conditionne les précipitations des masses nuageuses, et la nature de la
couverture végétale influe sur les phénomènes d'interception et de
transpiration.
Les durées de séjour de l'eau dans les différents compartiments du cycle sont
très variables. En moyenne, elles sont de l'ordre de la semaine dans
l'atmosphère, de plusieurs jours à plusieurs années dans les rivières selon la
taille des bassins versants, des siècles à des millénaires dans les grands
aquifères du sous-sol, d'une trentaine de siècles dans les océans.
Figure 1 : Le cycle Hydrologique
Interception : Capacité d'absorption
d'une couche en un
temps donné.
P - précipitation;
E - évaporation +
évapotranspiration;
Q - écoulement;
I - infiltration;
U - utilisation
humaine;
dR - stockage.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°6 sur 62
2.1.2 Définitions
On appelle bassin versant d'une rivière considérée en un point donné de son
cours, l'aire limitée par le contour à l'intérieur duquel l'eau précipitée se dirige
vers ce point de la rivière.
L’exutoire d'un bassin est le point le plus en aval du réseau hydrographique
par lequel passent toutes les eaux de ruissellement drainées par le bassin. La
ligne de crête d’un bassin versant est la ligne de partage des eaux. La ligne
ainsi définie, limite les bassins versants topographiques adjacents.
Cependant, le cours d'eau d'un bassin versant donné peut-être alimenté par
les eaux précipitées sur un bassin topographiquement adjacent. C'est le cas
provoqué par la présence d'un horizon imperméable ou d'écoulements
souterrains complexes comme dans les terrains karstiques.
En fait, la figure 4 montre qu'en cas d'averse abondante, les eaux ruisselées
pourraient rejoindre le cours d'eau du bassin adjacent tandis que les eaux
infiltrées se dirigeraient vers le bassin principal.
Le tracé de la ligne de crête est une opération délicate qui se fait sur la carte
topographique de la région concernée. Généralement, on utilise une carte à
l'échelle 1/200 000. S'il s'agit d'un petit bassin versant, de l'ordre de quelques
Km², on préférera des cartes topographiques au 1/50000, voire au 1/25000, et,
si ces documents existent, la couverture de photos aériennes, qui en vision
stéréoscopique, restitue et permet un tracé beaucoup plus précis. Une vérité
terrain est toujours indispensable.
Figure 2 : Bassin versant topographique et bassin versant hydrogéologique
Topographique : Relatif aux relevés du
terrains (topographie)
Hydrogéologique : Relatif aux interactions
sol-eau (hydrogéologie)
Stéréoscopique : Procédé donnant
l'illusion de relief en
projetant une image
différente pour chaque
œil. E
tat d
e l’a
rt B
V
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°7 sur 62
2.1.3 Caractéristiques géométriques
Aire et périmètre
L’aire est la portion du plan délimitée par la ligne de crête, ou contour du
bassin. Sa mesure est faite soit à l’aide d’un planimètre, soit par la méthode
des petits carrés, et est généralement exprimée en Km².
Le périmètre est la longueur, généralement exprimée en km, de la ligne de
contour du bassin ; sa mesure est faite à l'aide d'un curvimètre. Pour
certaines applications on trace le périmètre stylisé du bassin en lissant son
contour.
Indice de compacité
L'indice admis par les hydrologues pour caractériser la forme d'un bassin
versant est l'indice de compacité de GRAVELIUS qui est le rapport du
périmètre du bassin à celui d'un cercle de même surface.
Le coefficient est supérieur à 1 et d'autant plus voisin de cette valeur que le
bassin est compact.
Le rectangle équivalent Cette notion a été introduite pour pouvoir comparer des bassins entre eux du
point de vue de l'influence de leurs caractéristiques géométriques sur
l'écoulement.
2.1.4 Les pentes
On peut distinguer 4 types de pentes:
• la pente orographique;
• la pente topographique;
• la pente hydrographique;
• la pente stratigraphique.
Les indices de pentes permettent, comme pour certaines caractéristiques
géométriques, de comparer les bassins versants entre eux.
Pente orographique. La pente orographique caractérise le relief. Elle favorise
l'élévation des masses d'air en mouvement au dessus des reliefs et provoque
la condensation de l'humidité qu'elles contiennent.
Curvimétre : Appareil permettant de
mesurer la longueur sur
une carte en suivant un
tracé et en connaissant
l'échelle.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°8 sur 62
La pente topographique. C'est la pente qui influence l'écoulement superficiel
des eaux : ruissellement de surface et écoulement hypodermique. Elle
accélère le ruissellement sur les versants et détermine en partie le temps de
réponse du cours d'eau aux impulsions pluviométriques.
La pente topographique se lit et se mesure sur la carte topographique à
grande échelle ( >1/100000) ou à l'aide de M.N.T.
La pente hydrographique. La pente hydrographique, ou profil en long du cours
d'eau, peut-être déterminée sur la carte ou mesurée sur le terrain par un
nivellement de précision. Cette pente exprimée généralement en m/km
conditionne :
• la vitesse de l'eau dans le chenal ;
• la vitesse de l'onde de crue ;
• le tirant d'eau de la rivière : pour un même débit et une même largeur une
rivière plus pentue a une vitesse d'écoulement plus grande et donc,
généralement, une profondeur plus faible.
La pente hydrographique varie plus ou moins irrégulièrement pour un même
cours d'eau selon les structures géologiques traversées et diminue en général
d'amont en aval (forme concave des profils en long).
La pente d'un cours d'eau varie beaucoup d'un type de cours d'eau à un autre
: supérieurs à 10²m/km pour les torrents fortement pentus à 10-²m/km pour les
grands fleuves. Elle conditionne la forme des hydrogrammes de crue.
La pente stratigraphique. Elle contrôle le chemin des eaux infiltrées qui
alimentent les aquifères. Elle détermine la direction de l'écoulement des eaux
souterraines
2.1.5 Les caractéristiques du réseau hydrographique
Le réseau hydrographique est l'ensemble des chenaux qui drainent les eaux
de surface vers l'exutoire du bassin versant [MAR 95].
Un chenal peut-être défini comme l'inscription permanente dans l'espace d'un
écoulement concentré plus ou moins permanent. A l'amont de tout chenal, les
processus hydrologiques sont aréolaires, spatiaux, c'est-à-dire qu'ils
intéressent une surface et non une ligne ; dans le chenal ils deviennent
linéaires.
Hypodermique : Sous la surface.
Nivellement : Mesure du niveau, de
l'altitude.
Hydrogrammes : Graphes du débits d'un
cours d'eau.
Exutoire : Point de sortie.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°9 sur 62
Dans un bassin versant les chenaux sont organisés, hiérarchisés en un
réseau qui concentre les eaux des rus dans les ruisseaux, celles des
ruisseaux dans les rivières, celles des rivières dans les fleuves.
Un réseau hydrographique est donc l'ensemble des cours d'eau, affluents et
sous-affluents d'une rivière ou d'un même fleuve. A l'état naturel tous les
réseaux sont hiérarchisés, de nombreux auteurs ont proposé des
classifications de ces réseaux.
Classification de Horton Tout cours d'eau sans affluent est d'ordre 1, tout cours d'eau ayant un affluent
d'ordre x est d'ordre x + 1, et garde cet ordre sur toute sa longueur. A la
confluence de deux talwegs d'importance égale, on donne l'ordre supérieur
au plus long.
Classification de Schumm Est d'ordre x + 1 tout tronçon de rivière formé par la réunion de deux cours
d'eau d'ordre x.
Le terrain
Le terrain est au contact terre/atmosphère; on peut donc le schématiser par
trois types de matériaux:
• le sol qui fixe et nourrit les plantes;
• le manteau de dépôts superficiels plus ou moins épais (altérites,
colluvions, alluvions...);
• le substratum ou roche en place, structure géologique supérieure du
bassin versant.
Ce dernier est toujours présent, alors que le sol et le manteau peuvent ne pas
exister.
L'hydrologue s'intéresse à ces trois types de matériaux dans leur rapport avec
le déroulement du cycle de l'eau. Nous ne traiterons pas du substratum, traité
en hydrogéologie.
Figure 3 : Bassin versant d' ordre 4 (classification de SCHUMM).
Talweg : Ligne joignant les points
les plus bas d'une
vallée.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°10 sur 62
Le sol et le manteau exercent vis à vis de l'eau deux rôles principaux:
• un rôle de stockage => porosité;
• un rôle de transfert => perméabilité.
2.1.6 Les sols
Le sol agit de différentes manières sur le régime d'une rivière. Sa nature et
surtout sa couleur interviennent dans le bilan thermique. Par son influence sur
le développement et la nature de la végétation, il agit indirectement sur
l'évapotranspiration. Ce sont surtout les propriétés mécaniques du sol qui
intéressent les hydrologues.
Un sol peut-être compact (roche) et est généralement imperméable, sauf en
cas de fissures, diaclases etc. Il peut être meuble, et il est alors nécessaire de
l'analyser pour connaître en particulier les proportions d'éléments plus ou
moins fins ou grossiers qui le composent. En effet, la dimension des particules
constituant le matériau est le facteur déterminant des phénomènes
d'infiltration.
En schématisant on dira que plus les particules seront d'une taille importante,
plus le terrain sera perméable, c'est-à-dire favorable à l'infiltration. On adopte
généralement la classification suivante :
Diamètre des particules :
Gravier > 2 mm;
Sable grossier 2 à 0,2 mm;
Sable fin 0,2 à 0,02 mm;
Limon 0,02 à 0,002 mm;
Argile < 0,002 mm.
Ceci nous amène à définir quelques termes couramment utilisés:
Perméabilité: propriété d'un milieu solide poreux de se laisser traverser par
l'eau.
Infiltration: passage d'un fluide de l'extérieur vers l'intérieur d'un milieu
poreux. Pour qu'il y ait infiltration, il ne suffit pas que le milieu soit perméable, il
faut que la surface qui le sépare de l'extérieur le soit aussi. En Hydrologie,
cette remarque est très importante compte tenu du rôle joué par l'état de la
surface du sol dans le processus du ruissellement.
Absorption: en hydrologie, processus général de rétention de l'eau précipitée
sur un bassin versant, lorsque cette eau est définitivement soustraite au
ruissellement. Elle comprend entre autres l'infiltration.
Le sol par le biais de sa capacité de rétention capillaire et de sa perméabilité
joue un rôle de filtre entre l'atmosphère et le sous-sol. Il va partager les
quantités d'eau précipitées entre ruissellement, stockage, et infiltration.
Diaclases : Cavité de la roche.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°11 sur 62
Le sol se recharge par la pluie et se vidange par ressuyage et par
évapotranspiration.
Le manteau, surtout caractérisé par sa macro-porosité, se recharge par les
apports dus au ressuyage du sol, et se vidange par écoulement gravitaire vers
les nappes ou vers le bas du versant. Cette vidange est plus ou moins rapide
en fonction de la perméabilité des matériaux.
On peut dire que sol et manteau représentent deux réservoirs qui contiennent
plus ou moins d'eau.
Un même épisode pluvieux survenant sur ces réservoirs à des états différents
de saturation va avoir des conséquences hydrologiques très différentes.
Enfin, le sol et le manteau sont soumis aux aléas météorologiques
saisonniers:
=> gel => imperméabilisation du bassin versant
=> immobilisation de l'eau
=> dégel => destockage des eaux gelées
=> sécheresse => dessiccation du sol
dans certains cas déshydratation et
contraction des argiles (fentes de retrait des vertisols) .
2.1.7 La couverture végétale
La couverture végétale d'un bassin versant joue un rôle primordial dans le
déroulement du cycle de l'eau, souvent complexe et contradictoire.
La notion fondamentale est ici celle de couverture, plus ou moins continue,
plus ou moins épaisse, plus ou moins efficace hydrologiquement.
La couverture végétale agit sur le cycle de l'eau par :
sa biomasse aérienne qui :
• intercepte une plus ou moins grande partie des précipitations, et toute
pluie faible en général ;
• capte plus ou moins brouillard et rosée ;
• protège plus ou moins efficacement le sol contre l'insolation donc
l'évaporation et contre l'érosion pluviale ;
sa biomasse souterraine qui:
• pénètre la rhizosphère et structure celle-ci ;
• pompe l'eau du sol et des nappes qu'elle peut atteindre ;
sa vie propre qui commande sa transpiration, proportionnelle à la biomasse
totale ;
Saturation : Proportion de liquide par
rapport a la capacité
d'absorption maximum.
Biomasse : Total des masses
vivantes d'un ensemble.
Rhizosphére : Couche superficielle (10-
50 cm) du sol.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°12 sur 62
ses propres déchets enfin, par la litière produite, devenant humus et matière
organique. Une abondante litière annuelle ameublit les sols lourds, donne du
corps aux sols trop légers, parce qu'elle accroît leur teneur en matière
organique et avec elle, leur capacité de rétention capillaire et leur macro-
porosité.
Mais cette action se différencie selon les formations et les associations
végétales et selon l'intervention des agriculteurs. L'hydrologie des pays
forestiers diffère de celle des pays de prairie, et plus encore des pays
steppiques ou désertiques; et celle des bassins versants défrichés et cultivés
diffère de celle des bassins versants naturels, toutes choses égales par
ailleurs.
On peut distinguer cinq principaux types de couverture végétale:
• la forêt ;
• la prairie ;
• les cultures ;
• les tourbières ;
• la végétation désertique.
La carte de la couverture végétale du bassin versant constitue donc un
document essentiel pour l'hydrologue.
Celui-ci se montre soucieux moins des types de végétation distingués par les
botanistes que:
• des types de couvertures végétales ;
• de l'efficacité de celles-ci face aux aléas météorologiques ;
• de leur comportement hydrologique propre ;
• de leur extension spatiale etc.
Comportement hydrologique de la forêt.
La forêt est d'abord une formation végétale, généralement multi-strate
(arbres, arbustes, arbrisseaux, herbe, mousse etc.) occupant une surface plus
ou moins étendue de manière continue.
La forêt accroît les précipitations annuelles de 5 à 6% dans les pays tempérés
océaniques:
• par effet topographique en pays plat ;
• par effet thermique ;
• par rétention de la litière.
• par effet d'écran sur les brouillards ;
• par sa masse même et sa puissance évaporatoire dans les grandes
cuvettes forestières équatoriales.
Litiére : Dépôts organiques sur le
sol
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°13 sur 62
La forêt diminue les précipitations réelles au sol:
• par interception d'une partie de la pluie, tranche de 1 à 5 mm qui se
réévapore le jour même ;
• par sublimation de la neige retenue sur le houppier des arbres.
La forêt accroît les capacités d'emmagasinement des bassins versants:
• par accroissement de la capacité de rétention du sol avec la litière
devenant humus ;
• par diminution de l'évaporation au sol ;
• par une meilleure répartition de la couverture nivale au sol ;
• par réduction de la sublimation de la neige tombée au sol ;
• par une meilleure percolation des eaux gravifiques à travers les sols
mieux aérés, rendus plus macroporeux par les conduits racinaires d'une
rhizosphère généralement épaisse.
Finalement, les sols forestiers qui reçoivent moins de pluie et de neige que les
sols découverts, reçoivent plus d'eau stockable que les espaces voisins
découverts, mais la forêt accroît les pertes des bassins versants par sa
transpiration, surtout si les racines atteignent la frange de capillarité de la
nappe phréatique.
Il faut nuancer ces appréciations selon le type de forêt, mais dans l'ensemble
on peut dire que :
• la forêt diminue la lame d'eau écoulée sous les climats pluviaux ;
• la forêt accroît la lame d'eau écoulée sous les climats nivaux ;
• déboiser ou reboiser perturbe toujours la structure hydrologique initiale.
On peut citer le cas de la forêt (plantée) des Landes de Gascogne, où une
coupe de pinède (coupe toujours à blanc), fait remonter le niveau de la nappe
phréatique de 0,6 à 1 mètre, assez pour que le marécage réapparaisse
parfois.
La forêt régularise le régime des cours d'eau en jouant un rôle écréteur de
crues. Surtout pour les couvertures forestières denses, couvrantes,
protectrices de leur propre sol par leur sous-bois et le tapis herbacé sous forêt.
L'efficacité des grands reboisements français dans les Alpes du Sud, les
Pyrénées Centrales et Orientales, le massif de l'Aigoual (dont les sédiments
se retrouvaient dans le port de Bordeaux et contribuaient pour une très large
part à son envasement) le prouve.
Houppier : Branches contenues
dans les deux premier
tiers de la cime.
Sublimation : Passage de l'état de
glace a l'état de vapeur.
Capillarité : Propriété due à des
phénomènes de surface
se manifestant en
particulier par la
remontée de l'eau dans
des tubes étroits.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°14 sur 62
Comportement hydrologique de la prairie.
Un tapis herbacé bien enraciné brise aussi l'énergie pluviale, bloque l'érosion
ruisselante et l'empêche de devenir ravinante.
Lui aussi joue un rôle régulateur quoique moindre que celui de la forêt:
• son ombre est moindre;
• son horizon racinaire moins épais;
mais l'accumulation d'humus et de matière organique qu'il engendre accroît
beaucoup la capacité de rétention du sol. Cette matière organique ne
s'accumule pas sur le sol comme la litière forestière mais dans le sol, diffuse
dans tout l'horizon racinaire parce que de nombreuses herbes sont des
plantes annuelles dont les racines pourrissent dans le sol, et parce que la
biomasse racinaire l'emporte sur la biomasse aérienne à la différence de la
forêt.
Comportement hydrologique des cultures.
Les cultures ont un rôle hydrologique certain, important, complexe et
différencié en fonction:
• du travail d'ameublissement du sol plus ou moins poussé, plus ou moins
fréquent, plus ou moins profond ;
• de la méthode de travail du sol: à la houe, par traction animale, avec un
matériel lourd, en suivant les isohypses ou non ;
• de la protection plus ou moins efficace des plantes cultivées maïs < blé <
fourrage ;
• du stade végétatif de la plante au moment des fortes pluies ;
• de la structure agraire :
méga-parcelle englobant tout un versant, voire plusieurs ;
mini-parcelles morcelant un même versant avec rideaux.
En bassin Aquitain, la culture du maïs et du sorgho aggrave érosion et crues
inondantes parce que les sols sont travaillés et nus au printemps, saison des
pluies les plus abondantes; la culture en très grandes parcelles aggrave
encore le danger.
Isohypses : Les isohypses sont des
lignes de même
altitude.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°15 sur 62
Comportement hydrologique des tourbières:
La tourbe, véritable formation éponge, peut contenir jusqu'à 80% de son
volume en eau. Elle se comporte comme une éponge naturelle ou un spontex,
gonflant en présence d'eau, en retenant une partie par capillarité, tandis que
sa macro-porosité se sature avec la pluie et se vidange ensuite assez vite.
Par là, les tourbières, plus manteau que couverture végétale par le
comportement, écrêtent les crues mais ne sauraient par elles-mêmes relever
les étiages.
Elles jouent un rôle hydrologique important dans les pays froids et humides,
elles y surélèvent les creux, tapissent les versants.
Déserts climatiques ou "déserts anthropiques".
Dans les régions désertiques, seuls la localisation du substratum, la structure
des sols et l'organisation des différents types de pentes déterminent la
distribution de l'eau dans les divers compartiments :
• les calcaires et autres roches compactes donnent des surfaces rocheuses
structurales lavées à chaque rare pluie ;
• les sables donnent des dunes et des ergs modelés par le vent et
absorbant toute pluie: ici s'observe l'aréisme absolu; (privé d’écoulement
régulier);
Le ruissellement superficiel direct sur substratum est partout le processus
dominant.
2.1.8 Conclusions
Le fonctionnement d'un bassin versant est très complexe et met en jeu de très
nombreux mécanismes qui ont tous, à des degrés divers, leur importance pour
la prédiction de débit en sortie.
Le chapitre suivant explique la méthode développée par M.Delhom [DEL
1997] et l'équipe de l'URA 2053 pour modéliser et simuler le fonctionnement
d'un bassin versant en essayant de le décomposer en différents objets.
Anthropique : Relatif à l'homme ou à
une activité humaine.
Eta
t de
l’art
BV
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°16 sur 62
2.2 Modélisation et simulation orientée objet
Le méthode de modélisation et simulation développée au laboratoire URA
2053 repose sur plusieurs concepts :
• Modélisation à évènements discrets ;
• Modélisation hiérarchisée multi-vue ;
• Modélisation temporelle.
Ces concepts sont développés dans ce chapitre.
2.2.1 Modélisation à évènements discrets
Dans ce paragraphe, nous présentons brièvement le formalisme DEVS
(Discrete Event Systems Specification) proposé par B.P. Zeigler [CON 88,
DEL 89, GAR 86, ZEI 76, ZEI 84, DEL 96b]. Ce formalisme permet la
spécification de systèmes à événements discrets dans une forme modulaire
et hiérarchique. Ses principales caractéristiques sont les suivantes :
Spécification des composants de base à l'aide des concepts d'entrée, de
sortie et d'état. Ce type de spécification résulte en la définition des modèles atomiques.
Un modèle atomique M doit rendre compte de tous les comportements
d'entrée/sortie du système, ainsi que des changements d'états. Il offre donc
une description locale du comportement dynamique du système que l’on
souhaite étudier, et est défini par la structure suivante :
M = < X, S, Y, int, ext, λ, ta >
o˘
X : ensemble des ports d’entrée
S : ensemble des variables d’état et des paramètres.
Y : ensemble des ports de sortie
int : fonction de transition d'état interne
ext : fonction de transition d'état externe
λ : fonction de sortie
ta : fonction d’avancement du temps
Événement discret: Un modèle à temps
discret définit l'état du
système à des temps
dénombrables.
Eta
t de
l’art
MS
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°17 sur 62
Spécification des modèles de composition résultant d'une interconnexion de
composants (modèles atomiques ou modèles de composition).
Un modèle de composition décrit comment connecter de manière hiérarchique
plusieurs composants pour obtenir un modèle plus large. Ce dernier pourra lui
même être considéré comme un composant dans un modèle de composition
plus large. La hiérarchie dont il est fait état ici est une hiérarchie de description.
Pour définir un modèle de composition, on doit spécifier les informations
suivantes :
• les ports d'entrée ;
• les ports de sortie ;
• les noms des composants du modèle ;
• le couplage des entrées : couplage entre les ports d'entrée du modèle de
composition et les ports d'entrée des composants ;
• le couplage des sorties : couplage entre les ports de sortie du modèle de
composition et les ports de sortie des composants ;
• le couplage interne : décrit le couplage des ports de sortie d'un composant
aux ports d'entrée d'autres composants (appelés aussi influencés) ;
• la liste de priorité : qui permet de définir un ordre de priorité entre les
composants du modèle.
2.2.2 Modélisation hiérarchisée et multivues.
Un système peut être vu sous des angles différents et représenté par divers
types de modèles. L'approche de modélisation de systèmes proposée par C.
Oussalah [OUS 88, OUS 95] repose sur deux notions : la notion de vue et la
notion de niveau de compréhension (ou niveau d'abstraction).
Il est souvent nécessaire de décrire un modèle à différents niveaux d'abstraction. Un modèle ainsi décrit est appelé modèle hiérarchisé. A partir
de la notion de graphe, C. Oussalah propose un formalisme de représentation
de ce type de modèle, cette représentation est essentiellement structurelle. Un
nœud du graphe peut être associé à un sous-graphe (cf. Figure 4) qui le
représente à un niveau d'abstraction inférieur.
Niveau d'abstraction: Décrire un modèle à
différents niveaux
d'abstraction permet de
ne présenter que les
informations pertinentes
à un niveau donné.
Eta
t de
l’art
MS
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°18 sur 62
1
23Noeud N
1.1N1
N2
N3 3.13.2
1.2
2.12.2
Niveau N
Niveau N-1
Déc
ompo
sitio
n
Figure 4 : Nœud et sous-graphe
De plus, on est souvent amené à décrire un modèle à l'aide d'un ensemble de
vues distinctes qui décrivent les différents aspects d'un modèle. Les modèles
décrits de cette manière sont appelés modèles multivues.
2.2.3 Modélisation temporelle.
Une modélisation prenant en compte une hiérarchie de type temporelle permet
de faire interagir des objets fonctionnant à différents pas de temps (la seconde
et l’heure par exemple)
2.2.4 Conclusions
Les résultats de cette méthode ne sont pas présentées ici mais sont confinés
en annexe 4 [DEL 97]. Le problème posé par une telle technique est que le
modèle ne correspond qu'au bassin versant modélisé et que de tels modèles
peuvent difficilement prendre en compte les multiples épiphénomènes qui
entrent en jeu dans le comportement d'un bassin versant.
Le temps de modélisation est aussi très long, c'est pour cela que l'utilisation
des réseaux de neurones à été développée.
Eta
t de
l’art
MS
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°19 sur 62
2.3 Principes généraux de modélisation par réseaux de neurones
Les réseaux de neurones RN permettent de modéliser un phénomène à l’aide
d’exemples comportant les entrées X1, … , Xn et les sorties Y1, … , Yn. On
parle ici d’apprentissage supervisé, c’est à dire que l’on connaît la réponse
(Yi) désirée.
Les réseaux de neurones permettent en fait de retrouver un comportement
général à partir de données mesurées grâce à l'apprentissage.
Dans un RN multicouches, on connecte chaque entrée Xi à des neurones
intermédiaires par un lien qui porte un coefficient Wi variable (voir figure 1).
Par analogie avec la biologie, chaque neurone calcule la somme de ses
entrées et transforme cette valeur par une fonction non linéaire (une sigmoïde
par exemple).
Tous ces neurones intermédiaires sont connectés aux neurones de sortie par
des liens pondérés par un coefficient Zk.
Lors de l’apprentissage, on démarre avec des valeurs de Wi et Zk aléatoires et
on cherche ensuite, par une méthode d’optimisation, à déterminer un jeu de
coefficients qui minimise l’erreur entre la réalité et ce que prédit le modèle.
Cette procédure est itérative (consommation importante de ressources
informatiques), mais il n’est pas nécessaire de connaître la nature des non-
linéarités pour la modéliser. Si les entrées sont de dimension 4, pour X1 =
(x1,1, x2,1, x3,1, x4,1) on a la représentation suivante :
Généralement la sortie V1 du RN est différente de la sortie souhaitée Y1. un
algorithme permet de modifier les coefficients Wi et Zj afin de minimiser l’écart
entre V et Y.
Figure 5 : Représentation schématique d’un réseau de neurones multicouche.
RN multicouches: Réseau de
neurones où les
couches d'entrée et
de sortie sont
séparées par des
couches dites
"cachées"
Eta
t de
l’art
RN
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°20 sur 62
Au départ, les concepts de RN multicouches sont basés sur une analogie
avec les neurones biologiques :
1. principe de fonctionnement d’automates recevant de l’information de
plusieurs entrées pondérées et délivrant leur information sur une sortie,
fonction non linéaire (seuil pour le neurone biologique qui peut être
modélisé par une sigmoïde) de la somme de ses entrées ;
2. connexion entre les neurones d’entrée (capteurs) et des neurones
intermédiaires pour obtenir une décision (sortie) ;
3. processus lent d’apprentissage par répétition d’exemples ;
4. processus rapide, après apprentissage, d’estimation de la sortie pour de
nouvelles entrées.
Néanmoins, cette analogie doit être tempérée sur deux points :
1. les neurones biologiques fonctionnent avec des transmissions
d’informations de manière fréquentielle, alors que les RN multicouches ne
propagent l’information qu’une fois dans chaque connexion pour obtenir
une réponse ;
2. la complexité du cerveau est sans commune mesure avec celle des RN
multicouches (on ne modélise qu’une fonction élémentaire). Le nombre de
neurones biologiques est de l’ordre de 1012 alors que pour les modèles
RN il est de l’ordre de 10 à 103.
Intérêts des RN :
1. capacité de modélisation non-linéaire ;
2. les non-linéarités n’ont pas à être connues explicitement ;
3. calcul rapide de l’estimation d’un nouveau exemple ;
4. intérêt d’utiliser cette technique en complément de statistiques pour
confronter (conforter ou infirmer) les résultats.
Limites des RN :
1. pas d’extrapolation (validité du modèle limitée au domaine
d’apprentissage) ;
2. apprentissage plus complexe qu’un modèle de régression (choix de
paramètres) ;
3. apprentissage du modèle peut être long (quelques minutes à quelques
jours) ;
4. pas d’intervalle de confiance dans le résultat : il n’y a pas de modèle
explicite (comme ce serait le cas pour une droite de régression) et pas
d’hypothèse sur la répartition de l’erreur ;
5. nécessité d’un nombre suffisant d’exemples pour apprendre et valider le
modèle ;
Automate: "machine à faire
automatiquement des
mathématiques" selon
A.Turing [TUR 36]
Connexion: On peut comparer les
connexions des
neurones artificiels aux
synapses des neurones
biologiques.
Régression: Technique permettant de
mesurer l'impact d'une
variable sur une autre.
Eta
t de
l’art
RN
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°21 sur 62
Pour la mise au point d’un modèle RN, on partage l’ensemble d’exemples
disponibles en deux parties A (apprentissage) et T (test). Une fois les
coefficients du RN optimisés pour les exemples d’apprentissage, on présente
au RN les exemples T, dont on connaît la sortie souhaitée Y qu’on compare
avec la sortie RN. Un grand écart entre ces deux sorties pour les exemples
dans T témoigne d’un mauvais apprentissage. Une des raisons possibles d’un
mauvais apprentissage est la mauvaise répartition des exemples entre les
ensembles A et T. Il est donc nécessaire de faire une répartition telle que ces
deux ensembles représentent de façon homogène l’ensemble des exemples.
2.3.1 Choix des Algorithmes.
On assimile ici les bassins versants a une série temporelle, réagissant a
certains cycles selon différentes données.
L’algorithme de rétro propagation du gradient [TOU 92 ] semble approprié
pour ce type de problème, plusieurs années de données journalières sont à
disposition, offrant un nombre suffisant d’échantillons pour espérer que le
réseau généralise.
La précision de sortie étant déterminante, au détriment du temps
d’apprentissage les expériences seront menées sur des fonction d'activations
de type sigmoïde et gaussiennes.
Fonction Gaussienne.
Fonction Sigmoïde.
Ensemble de test: Aussi appelé set de
validation, il
correspondra à une
période donnée dans le
cas d'un prédiction de
série temporelle .
Retro propagation du gradient:
Algorithme ou l'a
différence entre la sortie
désirée et la sortie
propagée (le gradient)
modifie les poids des
neurones de sortie aux
neurones d'entrée (retro
propagation).
L'amplitude de cette
modification étant
relative au taux
d'apprentissage.
E
tat d
e l’a
rt R
N
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°22 sur 62
La fonction sigmoïde est plus complexe que la fonction gaussienne et, de fait,
allonge le temps d’apprentissage. Toutefois elle permet une approximation
plus précise que la gaussienne qui est plutôt utile à la prédiction de tendance
ou à l’aide à la décision.
Le moment ici est géré de façon linéaire, et le taux de régression est
paramétrable dans l’interface.
Le but principal de cette application est de valider les concepts développés
par F.Chiari et M.Delhom [CHI 2000], aucun algorithme d’accélération de
l’apprentissage (telle Quickprop) ne semble utile.
2.3.2 Conclusions
La modélisation de systèmes naturels tels que les bassins versants se révèle
être une tache difficile, car très complexe au vu du nombre des phénomènes
à prendre en compte.
Une modélisation grâce aux réseaux de neurones permet donc de passer
outre ces problèmes si une quantité suffisante de données est disponible.
Le problème du stockage de donnée se pose donc, mais des solutions
adaptée au problème existent. Le logiciel utilise un SIG, ArcView pour le
stockage de ces données.
Moment: Facteur de régression du
taux d'apprentissage, il
diminue les
changements apportés
aux poids au fur et à
mesure des passes.
En effet plus un réseau
apprend, moins les
changements doivent
êtres importants.
Eta
t de
l’art
RN
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°23 sur 62
2.4 Les SIG
2.4.1 Les systèmes d’informations géographique
Les systèmes d'informations géographique sont des systèmes automatisés
d'enregistrement et d'analyse des données dont le matériel et le logiciel ont
été spécialement conçus pour traiter des données géographiquement
référencées et les attributs qui s'y rapportent. Cette définition issue de
l'ouvrage intitulé « Les mots de la Géographie » [BRU 94] est semblable à la
définition des SIG qu'a donné Aronoff en 1989 [ARO 89]. Selon lui, "le SIG est
approprié pour la collecte, le stockage et l'analyse des objets et phénomènes
où la localisation géographique est un critère important voire critique à
l'analyse". Il faut distinguer la définition américaine qui insiste sur les fonctions
techniques (système informatique de matériels, de logiciels et de processus
conçus pour permettre la collecte, la gestion, la manipulation, l'analyse, la
modélisation et l'affichage des données à référence spatiale afin de résoudre
des problèmes complexes d'aménagement et de gestion) et la définition
française qui insiste sur la finalité des SIG (ensemble de données repérées
dans l'espace, structurés de façon à pouvoir en extraire commodément des
synthèses utiles à la décision.
Figure 6 : Vue d'ArcView
ArcView : Développé par ESRI
(leader dans le domaine
des SIG), ArcView est
un système intégré
comprenant les
principales fonctions que
l'on peut attendre d'un
SIG.
Sa modularité permet
aussi d'étendre ses
capacités à des besoins
plus spécifiques.
Eta
t de
l’art
SI
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°24 sur 62
2.4.2 Intégration avec le SIG ArcView
Afin de finaliser nos travaux nous avons choisi un bassin versant sur lequel
nous disposons de données : le bassin versant du Rizzanese (Corse du Sud).
Ce bassin versant a été modélisé dans Arcview, notamment à l’aide de
données géographiques collectées par l’IGN (Institut Géographique National).
Après un pré-traitement de données, le module développé en Java permet de
réaliser différentes expérimentations afin de choisir les prédictions les plus
précises. Le module Data Selector permet de choisir parmi les données celles
qui constituent les entrées du réseau de neurones afin de prédire en sortie les
débits du bassin versant. Les résultats de la simulation sont stockés dans le
SIG.
2.5 Travaux déjà réalisés, projets internationaux sur le sujet
Différentes méthodes existent afin de simuler le processus pluie/débit d’un
bassin versant [DEL 97][MAI 88][ZEA 99]. Ces méthodes sont soit basées sur
des régressions linéaires dans le temps, soit sur la résolution d’équations différentielles. Les résultats ne sont pas suffisamment précis, ceci est dû aux
limites même de ces méthodes :
• Les premières ont des difficulté à prendre en compte la non linéarité du
processus pluie/débit;
• pour les secondes, la non-connaissance de certains paramètres
physiques contraint à simplifier les équations du modèle.
Des méthodes orientées objets sont aussi développées notamment à
l'Université du Texas en partenariat avec l'ESRI.
2.6 Conclusions
A l’Université de Corse, nous avions étudiés une approche basée sur la
modélisation et simulation orientées objets qui nous avais permis de définir
l’architecture d’un simulateur.
Cette approche consistait à représenter le comportement de systèmes
naturels en utilisant des lois mathématiques et physiques. Le bassin versant
étant considéré dans sa globalité, sans prendre en compte sa complexité. De
plus, le modèle de simulation ne prenait pas en compte certains types de
données telles que la végétation, l’altitude,…
Afin d’étudier le comportement hydrologique d’un bassin versant et face à ce
type de limites, nous avons choisi de développer une approche originale
basée sur un modèle hybride intégrant les SIG et la simulation à l’aide de
réseaux de neurones.
Java : Langage orienté Objet
développé par SUN.
Equation différentielle : Equation liant une
fonction à variable
réelle et ses dérivées
successives .
Eta
t de
l’art
SI
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°25 sur 62
3 Analyse
3.1 Principe de fonctionnement du logiciel
Le principe de fonctionnement du logiciel est décrit Figure 7 [CHI 2000]. La
simulation se déroule en 3 phases :
1. Collecte des données et modélisation du bassin versant dans Arcview
2. Pré Traitement des données notamment à l'aide des extensions "Spatial Analyst" et "Hydrologic Modelling"
3. Construction du réseau de neurones
Selon les différents types de données enregistrées dans le SIG, le logiciel
permet la construction d'un réseau de neurones qui prévoira les débits du
bassin versant. Ces débits seront enregistrés comme nouvelle couche dans le
SIG.
Le but du stage est de proposer une architecture logicielle et de développer le
code correspondant à ce principe.
Figure 7 : Fonctionnement général du logiciel
Spatial analyst : Extension d'ArcView
permettant le pré-
traitement de données
topographiques.
Hydrologic Modelling : Extension d'ArcView
permettant le pré-
traitement de données
Hydrologiques.
Ana
lyse
PR
I
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°26 sur 62
3.2 Hypothèses de développement
S’appuyant sur de travaux déjà réalisés, plusieurs hypothèses générales
d'architectures ont étés imaginées, seule la première fut développée pour
valider le système général. On remarquera la modularité de l’architecture
permettant l’évolution facile du système dans les architectures plus
complexes.
3.2.1 Réseau retro propagation simple
Le nombre de neurones d’entrées est variable. Une seule sortie est ici
possible, toutes les entrées sont des vecteurs qui sont regroupés dans une
matrice d’entrée.
Figure 8 : Hypothèse d'architecture N°1
Modularité : Capacité d'adaptation
grâce à une
architecture
décomposée en
modules.
Ana
lyse
HYP
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°27 sur 62
3.2.2 Réseaux de neurones piloté par algorithme de sélection.
Permettant de developper des modéles polymorphes. Par rapport à la
première idée une boite noire essayera d'adapter le réseau de neurones pour
obtenir les meilleurs résultats en utilisant les concepts de la logique floue ou
de sélection génétique ; l’utilisateur laissera la machine trouver les meilleurs
algorithmes et les meilleurs valeurs pour l’apprentissage. Ce processus est
très gourmand en calcul et nécessitera le développement d’un système de
calcul partagé par réseau.
Polymorphe : Pouvant prendre
plusieurs formes.
Figure 9 : Hypothèse d'architecture n°2
Ana
lyse
HYP
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°28 sur 62
3.2.3 Intégration de classes d’événements discrets.
Le modélisateur pourra grâce à cette architecture mélanger sous modèles
discrets et sous modèles connexionnistes. La supervision de l’entraînement
des réseaux de neurones nécessitera l’adaptation de chaque modèle dans
certaines configurations.
Figure 10 : Hypothèse d'architecture N°3
Connexionisme : ensemble de sous-
disciplines ayant en
commun la métaphore
"neuronale":
Ana
lyse
HYP
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°29 sur 62
3.2.4 Algorithme de sélection pilotant l’architecture d’un réseau modulaire DEVS.
Le modélisateur pourrai ici laisser un algorithme de sélection terminer,
affiner ou même construire son modèle (le modèle ainsi créé n’étant pas le
meilleur mais relativement bon).
Le travail du modélisateur pourrais être ainsi remplacé par du temps de calcul.
Figure 11 : Hypothèse d'architecture N°4
Algorithme de sélection : Algorithme permettant le
choix selon une analyse
multi-critères.
Ana
lyse
HYP
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°30 sur 62
3.3 Architecture du logiciel
Seule la première hypothèse de développement fut développée pour valider
l’architecture générale.
Le logiciel est construit autour de cinq principaux modules :
1. GIS connector : permet de réaliser l’interface entre notre logiciel et
Arcview ;
2. Data selector : permet de choisir les données alimentant le moteur de
réseau de neurones ;
3. Le Neural Network Engine permet de définir les entrées et les sorties du
réseau, de construire le réseau de neurones (nombre de neurones,
couche, algorithmes d’apprentissage et paramètre) et d’entraîner le
réseau ;
4. Le Prediction module qui, à partir des résultats du réseau entraîné, calcule
une sortie pour de nouvelles valeurs présentés en entrée ;
5. Le module Graphical User Interface.
Figure 12 : Architecture Logicielle
Module : Elément constitutif du
système.
Ana
lyse
AR
C
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°31 sur 62
3.4 Spécifications.
L'approche UML est le résultat d'un effort d'unification des méthodes de
modélisation à un seul langage de modélisation. Le but est d'abord de définir
un langage universel pour la modélisation objet et la standardisation du
processus de développement objet [MUL 99].
Symboles :
Associations, Relations: Vers un seul sens:
Vers les deux sens:
Rôles: au début et à la fin de la flèche qui indique le sens de l'association.
Cardinalités: 1 . .1, 0 . .*, 0 . .1, 1 . .*
Un à un: 1 . .1
Un à plusieurs: 1 . .*
Plusieurs à plusieurs : 0 . .*
Agrégation
Héritage
Unified Modeling Language : Langage de
modélisation unifié .
Ana
lyse
SPE
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°32 sur 62
3.4.1 Schémas UML
Les schémas suivants sont les descriptions UML des classes écrites en JAVA
correspondant à l’architecture décrite dans le chapitre 3.3.
La première figure (fig. 13) est une vue générale montrant les interactions
entres les classes ; les deux schémas suivants sont les descriptions détaillées
avec propriétés et méthodes des modules internes (fig. 14) et de l’interface
graphique (fig.15).
Vue générale
Figure 13 : Schéma UML, vue générale
Ana
lyse
UM
L
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°33 sur 62
Modules internes
Figure 14 : UML, Modules internes
Légende :
Nom (Paquetage)
Propriétés
Méthodes
Ana
lyse
UM
L
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°34 sur 62
Interface graphique
Figure 15 : UML interface graphique
Ana
lyse
UM
L
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°35 sur 62
3.4.2 Classes :
3.4.2.1 Descriptions.
ANN : Réseau de neurones contient les algorithmes de retro propagation, les
données et les méthodes pour l'interrogation et le stockage des poids d'un
réseau de neurones multicouche.
BDConnection : Connections à une base de données via ODBC.
Cconnection : Interface graphique, contient le composant de connexion.
CFeed : Interface graphique, contient un faisceau d'entrée.
CNeuro : Interface graphique, contient le réseau de neurones.
CTrainer : Interface graphique, contient le superviseur d'entraînement.
CWriter : Interface graphique, contient le lecteur de réseau de neurones.
Feed : Faisceau de valeurs, vecteur à fenêtre mobile.
FileConnection : Classe de connexion à un fichier ascii. FlowPanel : Interface graphique, panneau contenant les composants.
Graphique : Fenêtre de graphe simple, dessinant une courbe à partir d'un
vecteur d'entrée et se rafraîchissant à intervals définis.
GUIconnect : Interface graphique, fenêtre de connexion
GUIcontainer : Interface graphique, application générale
ImageWriter : Permet de tracer l'activité d'une fenêtre dans une série de
fichiers.
NComponent : Interface graphique, classe abstraite de composants.
NConnection : Classe abstraite de connexion indépendante du système.
ODBC : Open Database
Connectivity. Norme de
communication avec une
base de données.
Faisceau : Vecteur de données
mobiles (classe Feed).
Ascii : American Standard
Code for Information
Exchange
Format de texte le plus
commun définit par
l'ANSI.
Ana
lyse
CLA
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°36 sur 62
NeuroMotor : Rafraîchit le réseau de neurones à intervalles définis.
NeuroReader : Interroge et formate les sorties du réseau de neurones.
neuroShed : Classe principale de lancement.
NFileSave : Interface graphique, ouvre une fenêtre de sauvegarde ou
d'ouverture de fichier.
PANN : Interface graphique, panneau de propriété du réseau de neurones.
PConnection : Interface graphique, panneau de propriétés de la connexion.
PFeed : Interface graphique, panneau de propriétés de chaque donnée
d'entrée.
PPanel : Interface graphique, classe abstraite de panneau de propriétés.
PTrainer : Interface graphique, panneau de propriétés du superviseur
d'entraînement.
PWriter : Interface graphique, Panneau de propriété du lecteur de réseau de
neurones.
Trainer : Superviseur de réseau de neurones, formate les données d'entrée et
lance un moteur d'entraînement de réseau de neurones.
weightWatcher : Permet de suivre les poids des neurones d'une couche
donnée.
Panneau : Conteneur de
composants graphiques
tels que des boutons,
zones de texte, etc....
Ana
lyse
CLA
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°37 sur 62
3.4.2.2 Hiérarchie des classes.
Nous decrivons ici l’arbre d’heritage, les classes surlignées sont les classes
développées pour les besoins du logiciel tandis que les autres font partie des
paquetages standards JAVA 1.2.
class java.lang.Object
class java.util.AbstractCollection (implements java.util.Collection) class java.util.AbstractList (implements java.util.List)
class java.util.Vector (implements java.lang.Cloneable, java.util.List, java.io.Serializable)
class neuroshed.Feed class neuroshed.ANN class java.awt.Component (implements java.awt.image.ImageObserver,
java.awt.MenuContainer, java.io.Serializable) . class java.awt.Container
class javax.swing.JComponent (implements java.io.Serializable) class neuroshed.FlowPanel class javax.swing.JPanel (implements javax.accessibility.Accessible)
class neuroshed.PPanel class neuroshed.PANN class neuroshed.PConnection class neuroshed.PFeed class neuroshed.PTrainer class neuroshed.PWriter
class neuroshed.NComponent class neuroshed.CConnection class neuroshed.CFeed class neuroshed.CNeuro class neuroshed.CTrainer class neuroshed.CWriter
class java.awt.Window class java.awt.Frame (implements java.awt.MenuContainer)
class javax.swing.JFrame (implements javax.accessibility.Accessible, javax.swing.RootPaneContainer, javax.swing.WindowConstants)
class neuroshed.Graphique (implements java.lang.Runnable) class neuroshed.GUIconnect class neuroshed.GUIcontainer class neuroshed.NFileSave class neuroshed.weightWatcher (implements
java.lang.Runnable) class neuroshed.ImageWriter (implements java.lang.Runnable) class neuroshed.NConnection
class neuroshed.BDConnection class neuroshed.FileConnection
class neuroshed.NeuroMotor (implements java.lang.Runnable) class neuroshed.NeuroReader (implements java.lang.Runnable) class neuroshed.neuroShed class neuroshed.Trainer (implements java.lang.Cloneable)
Ana
lyse
CLA
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°38 sur 62
4 Conception et Programmation
4.1 Choix du langage.
Le langage JAVA fut choisi pour sa grande intégration UML/IDL, son aspect
multi-plateformes sa mise en œuvre facile de CORBA et sa facilité de
développement [MIR 99].
ESRI recommande l’utilisation de JAVA pour les programmes optionnels
d’ARCVIEW, et la grande portabilité du système permettra de l’intégrer très
facilement à d’autres logiciels.
4.2 Fonctionnement du logiciel
Nous présentons ici les différents écrans du logiciel, ce qui illustrera
simplement son fonctionnement.
Figure 16 : Description de l'interface
Portabilité : Capacité d'adaptation a
d'autres plates-formes.
Con
cept
ion
et p
rogr
amm
atio
n FO
N
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°39 sur 62
Préparer l'expérience
Figure 17 : Réalisation d’une connexion
Figure 18 : Préparation de l'expérience
Con
cept
ion
et p
rogr
amm
atio
n FO
N
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°40 sur 62
Création du réseau de neurones
Figure 19 : Choix des données
Figure 20 : Création du réseau de neurones
Con
cept
ion
et p
rogr
amm
atio
n FO
N
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°41 sur 62
Une grande attention fut portée à définir une interface graphique aussi claire et
agréable que possible, cet outil n'étant pas destiné uniquement aux
informaticiens mais aussi aux hydrologues et physiciens.
Ainsi l'aspect général du logiciel se veut facile et ergonomique au possible
pour les néophytes voulant juste réaliser des expériences.
Figure 21 : Entraînement C
once
ptio
n et
pro
gram
mat
ion
FON
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°42 sur 62
La lecture des résultats n'est pas obligatoirement réalisée à la fin de
l'expérience, elle peut intervenir a tout moment de l'apprentissage.
Des fonctions plus évoluées de suivi des différents graphes et valeurs ont
aussi étés implémentées mais elles ne sont toutefois pas exposées ici, une
animation étant difficile à intégrer dans un rapport papier.
Elle permettent de relever les graphes et cartes à intervalles réguliers pour
obtenir leur évolution dans le temps.
La sortie du réseau (prédiction) est automatiquement sauvegardée dans la
sortie définie dans les paramètres, à savoir soit dans un fichier texte, soit dans
une base de données.
Figure 22 : Résultats
Con
cept
ion
et p
rogr
amm
atio
n FO
N
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°43 sur 62
4.3 Réutilisation des classes java.
L'ergonomie du logiciel fut une préoccupation constante tout au long du
développement de ce logiciel qui est destiné au non informaticien.
L'utilisation des classes SWING fut donc intensive et un propre kit de
développement d'interface graphique en dériva.
L'idée générale ici fut de rapprocher le plus possible le synoptique du
fonctionnement physique du fonctionnement informatique.
4.4 Planning de développement.
Il est décrit ici les différentes tâches effectuées pendant le stage.
1. Familiarisation avec le travail effectué par l'équipe Info (Articles, Thèmes de
Recherche,…).
2. Etude du panorama des SIG existants (commerciaux et domaines publics)
et choix d'une solution SIG.
3. Analyse des différents algorithmes et topologies de Réseaux de Neurones
Artificiels. Définition des spécifications du module à développer.
4. Conception et Programmation du module.
5. Elaboration de l'interface Homme/Machine.
6. Analyse des résultats et évaluation du logiciel.
7. Rédaction du rapport de stage.
4.5 Code. (cf. annexe 5)
Le code fut écrit en JAVA selon l'analyse UML du chapitre 3.4.
Ergonomie : Etude des relations
entre le travail et
l'environnement de
travail.
ID
1
2
3
4
5
6
7
Nom de tâche
Prise de Contact
SIG/spécifs
RdN
Prog
IHM
Résultats
Rédaction Rapport
Date début
02/05/00
02/05/00
19/05/00
29/05/00
02/08/00
10/08/00
01/05/00
Date fin
19/05/00
19/05/00
29/05/00
11/08/00
29/08/00
31/08/00
15/09/00
14j
14j
7j
55j
20j
16j
100j
Mai Juin Juillet Août
2000Durée
Figure 23 : Graphe de Gantt des taches.
Con
cept
ion
et p
rogr
amm
atio
n PL
A
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°44 sur 62
4.6 Couplage ArcView.
Trois méthodes sont possibles pour faire interagir ArcView et NeuroShed.
Via un lien ODBC, NeuroShed lit les données de la table Arcview et écrit dans
les champs spécifiés au logiciel.
En attaquant directement des tables en ASCII. Le logiciel écrit ses prédictions
dans une colonne, ligne ou même dans un autre fichier réutilisable par
ArcView.
En utilisant des variables passées au SIG et récupérées par un script, les
ressources nécessaires sont cependant si lourdes que cette méthode est
réservée aux très petits projets.
Pour lancer Neurohed a partir d’ArcView, un script à été développé en
Avenue, il permet de passer les fichiers de configuration à ouvrir par le
logiciel.
4.7 Outils de gestion de projet.
Pour communiquer
avec les différents
acteurs du projet, un
site web vitrine du
projet fut mis en
place à l'adresse
http://perceptron.mult
imania.com
Toutes les étapes du développement, les différentes versions du logiciel, les
compte rendus d'expériences, la bibliographie, les sources, l'état
d'avancement et même ce rapport y furent consignées quasiment tout les
jours pour permettre aux différents acteurs de réagir et de suivre le travail en
temps réel.
Figure 24 : Vue
du site de
développement
Champ : Zone mémoire d'une
base de données.
Script : Micro code servant a
automatiser des
taches spécifiques à
un logiciel.
Con
cept
ion
et p
rogr
amm
atio
n G
ES
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°45 sur 62
5 Exemples d'expérimentations Trois expériences sont compilées dans cette section, elles montrent le chemin
type pour l’élaboration d’un modèle performant.
5.1 Première expérience
5.1.1 Configuration de l'expérience
Toutes les données accessibles sont présentées au RDN.
La durée de la fenêtre est de 30 jours pour prédire le débit du jour d'après.
Les synapses sont normées de -1 à +1 et la fonction d'activation est une
sigmoïde.
5.1.2 Résultats
Les années d'apprentissage sont 85,86,87 avec 50000 passes.
La correspondance entre les données du test d'apprentissage et les
prédictions du RDN sont quasi parfaites, au dépens de sa capacité de
généralisation.
Un entraînement moins long et sur une période plus longue est donc
nécessaire. Le but ici est de valider l'architecture et de déterminer des
ensembles d'entraînement remarquables.
Fenêtre : Période sur laquelle
se fera les
apprentissages
successifs.
Passe : Apprentissage
successif de toutes
les fenêtres sur la
période
d'apprentissage.
Figure 25 : Exp1, Configuration de l'expérience
Exe
mpl
e d’
expé
rimen
tatio
n 1
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°46 sur 62
Figure 26 : Résultats De la première expérience
1982
1983
1984
1985
1986
1987
1988
1989
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Exe
mpl
e d’
expé
rimen
tatio
n 1
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°47 sur 62
5.2 Deuxième expérience.
5.2.1 Configuration de l'expérience
Toutes les données accessibles sont présentées au RDN.
La durée de la fenêtre est de 30 jours pour prédire le débit du jour d'après.
(30/0-30/0-30/0-30/0 sortie 1/1)
Les synapses sont normées de -1 à +1 et la fonction d'activation est une
sigmoïde.
5.2.2 Résultats
Après analyse de la première expérience, il fut utilisé une période plus longue
ainsi qu'un nombre de passes moins élevé (80-86, 10000 passes)
5.2.3 La carte de la couche cachée
Figure 28 : Exp. 2, La carte de la couche cachée
temps -30 jours
-1 jour
-30
-1
-30
-1
-30
-1
Figure 27 : Exp1, Configuration de l'expérience
Exe
mpl
e d’
expé
rimen
tatio
n 2
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°48 sur 62
La figure 24 représente la carte d'activité de la couche cachée (en blanc se
trouvent les liaisons les plus actives)
On remarque une certaine similarité dans le traitement des deux
températures, le débit à j-1 semble toujours très actif, comme la pluie à j-1.
La carte d'activité par neurone (fig.25) montre l'activité cumulée des
connections d'entrées par neurones de la couche cachée.
On peut remarquer ici que le réseau utilise les données les plus récentes pour
calculer ses prédictions. L'essentiel des données utilisées se trouve entre j-4
et j-1 pour la pluie et le débit.
On remarquera aussi l'importance de la pluie à J-1, qui représente le
ruissellement.
Figure 29 : Exp2, Activité de la couche cachée
Figure 30 : Exp2, Activité par neurone
Exe
mpl
e d’
expé
rimen
tatio
n 2
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°49 sur 62
5.2.3.1 Lectures du RDN.
Figure 31 : Résultats expérience 2
La période d'apprentissage est de 1980 à 1986 pour 10000 passes
La correspondance entre les données du test d'apprentissage et les
prédictions du RDN est très bonne, mais on remarque une amélioration des
résultats sur l’ensemble de validation (87-90), le réseau généralise donc un
peu plus.
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Exe
mpl
e d’
expé
rimen
tatio
n 2
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°50 sur 62
5.3 Troisième expérience.
5.3.1 Configuration de l'expérience
Toutes les données accessibles sont présentées au RDN.
La durée de la fenêtre est de 30 jours pour prédire le débit du jour en utilisant
le débit du jour précédent. (30/1-30/1-30/1-30/0 sortie 1/1).
Les synapses sont normées de -1 à +1 et la fonction d'activation est une
sigmoïde.
5.3.2 Résultats.
Après analyse de la deuxième expérience, l'entraînement se fit sur la même
période mais sur un nombre de passes moins élevé (80-86, 1500 passes)
Figure 32 : Exp. 3, configuration de l'expérience
Exe
mpl
e d’
expé
rimen
tatio
n 3
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°51 sur 62
5.3.2.1 La carte de la couche cachée
Le débit étant ici la seule valeur calée au jour précédent, on distingue ici
nettement l’importance de la pluie à J et J-1, La température du matin (rosée)
semble plus active que la température du soir (Temp2).
Après traitement numérique (détection de contours, augmentation de
contraste) on obtient le résultat présenté en figure 34 :
Comme lors de l’expérience 2, les deux températures semblent ici avoir subi
le même traitement, même si la température matin est plus importante.
On peut voir que les traitements des données du débit sont peu actifs à
l’exception du débit à J-1.
Figure 33 : Exp. 3, carte de la couche cachée
Figure 34 : Exp3, Activité de la couche cachée
Détection de contour : Analyse des zones
ou le contraste est le
plus fort pour
pouvoir les surligner.
Exem
ple
d’ex
périm
enta
tion
3
Exe
mpl
e d’
expé
rimen
tatio
n 3
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°52 sur 62
Le faible nombre de passes (1500) ne permet pas ici un contraste aussi fort
que dans l’expérience 2.
On peut remarquer ici que le réseau utilise les données les plus récentes pour
calculer ses prédictions. L'essentiel des données utilisées se trouve entre j-4
et j pour la pluie et la température.
Quatre zones se démarquent dans le traitement de la pluie, il est possible de
comparer ces quatre zones aux phénomènes hydrologiques expliqués dans le
chapitre 2.2.2.
1. de J à J-1, Ecoulement de surface
2. de J-1 à J-8, Infiltrations des couches hautes
3. de J-8 à J-20, Infiltrations des couches basses
4. de j-20 à J-30 et plus, Ecoulements souterrains
Il apparaît ici que peu de données présentées au réseau sont en fait utilisées,
Si ici on essaye de modéliser le comportement grâce à cette technique c’est
que on ne connais justement pas toutes les données réellement
déterminantes.
On laisse alors le réseau choisir parmi les données présentées, au détriment
du temps d’apprentissage.
Figure 35 : Exp3, Activité par neurones
Exe
mpl
e d’
expé
rimen
tatio
n 3
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°53 sur 62
5.3.2.2 Lectures du réseau de neurones.
Figure 36 : Exp. 3, première lecture du réseau
La période d'apprentissage est de 1980 à 1986 pour 1500 passes
La correspondance entre les données du test d'apprentissage et les
prédictions du RDN sont bonnes, et aussi bonnes que sur le set de validation,
le réseau généralise donc plus que lors des expérience précédentes, reste à
l'affiner.
Pour cela, on augmente le moment de l’apprentissage, ainsi le taux
d’apprentissage décroîtra rapidement et les changements seront donc de plus
en plus minimes.
Le résultat escompté est que le réseau ne perde pas sa capacité de
généralisation et améliore ses prédictions.
Le moment est donc ramené à 0.9 et l’apprentissage est relancé.
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Exe
mpl
e d’
expé
rimen
tatio
n 3
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°54 sur 62
Figure 37 : Exp. 3, seconde lecture du réseau
Après 72983 passes on peut remarquer que si ‘ensemble d’apprentissage est
complètement appris, le réseau a gardé une très bonne capacité de
généralisation et les résultats sont très bons jusqu’en 1990.
5.3.3 Conclusions
Les trois expériences montrent le cheminement type pour obtenir un modèle
performant, on teste d’abord avec les paramètres par défaut, puis on modifie
grossièrement ces paramètres afin de trouver les données pertinentes puis
finalement on ajuste ces paramètres pour affiner le modèle.
Toutes les capacités du logiciel n’ont toutefois pas été utilisées, il est en effet
possible avec cette version de faire de l’apprentissage parallèle et
concurrentiel pour accélérer ce processus de modélisation, mais discuter de
ces possibilités étendues sont d’un intérêt limité dans le cadre de ce rapport.
Ce logiciel, développé à l’Université de Corse démontre qu’il est facile de
modéliser puis de simuler le comportement d’un bassin versant grâce aux
réseaux de neurones, chose plus ardue à réaliser en modélisation et
simulation orientées objets.
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Débit réel
Prédictions
Temps
Exe
mpl
e d’
expé
rimen
tatio
n 3
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°55 sur 62
6 Ouvertures possibles / Conclusion:
6.1 Etendue du couplage (interaction SIG-application), coupes,
calcul de pente.
Grâces aux nombreux modules d'ARCVIEW, ou des capacités de traitements
d'autres SIG, il est possible de faire un pré-traitement de données plus
complexe à présenter à l'entrée du réseau de neurones.
Il est possible d'imaginer que le réseau de neurones puisse recevoir
directement en entrée une matrice de pluie, une couverture neigeuse, la pente
moyenne ou une coupe du lit de la rivière calculée selon des méthodes
physiques éprouvées et des relevés linimétriques.
Cela reviendrait toutefois à faire un couplage entre modèle connexionniste et
modèle discret, laissant au réseau de neurone uniquement le contrôle sur les
points où les théories hydrologiques sont les moins performantes.
6.2 Ajout de modèles atomiques à traitements numériques.
L'étendue du couplage serait ici extrême, car le SIG ne serait alors utilise que
pour ses capacités de bases de données. Le traitement étant pris en charge
par des modèles discrets et neuronaux couplés entres eux.
Une telle formalisation permettrait aux spécialistes de se concentrer sur son
domaine de compétence, créant des "boites noires" que le modélisateur
pourrait facilement connecter entres elles.
L' hydrologue, le biologiste, le climatologue ne se concentrant que sur leurs
domaines respectifs, un expert artificiel peut éventuellement remplacer les
zones obscures du super modèle ainsi créé.
Un algorithme de sélection pourrait ensuite tester successivement les
différentes possibilités d'interconnexions et placer des modèles neuronaux
lorsque le modèle physique n'est pas assez performant.
Avec une bonne gestion du retour d'erreur une telle configuration permet aussi
de tracer l'erreur, de déterminer son origine pour améliorer le système.
6.3 Intégration des modéles atomiques connexionnistes dans la
méthodologie de Modélisation et Simulation Orientée Objet
développée à l'URA 2053.
Une grande partie des travaux de recherches menés à l'URA 2053 de
l'Université de Corse ont permis d'améliorer les concepts développés dans le
domaine de la simulation à évènements discrets.
Pour réaliser les expérience proposées dans le chapitre 6.1 et 6.2 il semble
donc nécessaire de formaliser un modèle de réseaux de neurones qui
Boites noires : Modèle protégé ou
seules les entrées et les
sorties sont accessibles.
Con
clus
ion
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°56 sur 62
respecte l'intégrité de la méthode de modélisation / simulation orientées objets
de l'Université.
6.4 Créations de bibliothèques UML de modélisation de
Systèmes naturels.
Utiliser le formalisme UML/IDL garantit un portage plus facile, une meilleure
lisibilité et des méthodes éprouvées de développement.
On peut aussi remarquer que des SIG comme ARCINFO permettent
l'utilisation de classes UML au sein de leur programme.
Le développement de tous ces concepts se fera normalement en utilisant ces
méthodes, mais il est nécessaires que les modèles produits par les outils
développés suivent aussi cette norme.
Un système de modélisation, si il est développé, travaillerait donc sur des
modèles directement conformes à UML.
6.5 Intérêts du stage, travaux à réaliser.
Les connaissances que j'ai pu développer durant mon stage s’articulent non
seulement autour de la modélisation/simulation, du connexionisme, de la
conception UML ou la Programmation Objets en JAVA, mais j'ai aussi pu
comprendre et acquérir les sens de travail d'équipe, de collaboration,
d'ouverture d'esprit, de communication.
Les résultats apportés par l'application sont très encourageants, et le couplage
avec la méthode de modélisation/simulation développée à l'université de
Corse semble très prometteur.
Une très récente publication de Hod Lipson et Jordan b. Pollack dans Nature
[LIP 2000] montre comment des robots dotés d'une vie virtuelle peuvent
s'adapter à leur environnement, il n'est pas impossible de penser que des
modèles complètement évolutifs pourront êtres développés grâce à ce
formalisme.
De tels modèles permettraient de s'adapter à leur environnement (en cas de
feu sur le bassin versant par exemple), comme le font les robots, en utilisant
les briques que seront les bibliothèques développées par les physiciens,
hydrologues et biologistes et les concepts d'apprentissage et de sélection.
Cette étude ouvrant des perspectives dans la gestion de l'eau et de
l'environnement nous envisageons de poursuivre ces travaux dans le cadre
d’une thèse.
IDL : Interface definition
language. Langage de
définition des classes,
"squelette" de
l'application
Con
clus
ion
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°57 sur 62
7 Bibliographie [JAC 97] Le cycle de l'eau de Guy Jacques Hachette Littérature (Les Fondamentaux); ISBN :
2011451280 [MAR 95] L'eau de Ghislain de Marsily Flammarion (Dominos); ISBN : 2080351621 [CON 88] CONCEPTION A.I., ZEIGLER B.P., « DEVS formalism : a framework for hierarchical model
development », IEEE Transaction on Software Engineering, Vol.14 N°2, p. 228-241, février 1988.
[DEL 89] DELANEY W., VACCARI E., Dynamic Model and Discrete Event Simulation, Marcel Dekker, NY, 1989.
[DEL 96a] DELHOM M., BISGAMBIGLIA P., AIELLO A., SANTUCCI J.F., « Object Oriented Modeling and Simulation of dynamic systems : application to the hydrologic domain », Supercomputation in Nonlinear and Disordered Systems : Algorithms, Applications and Architectures Euroconference, Septembre 96, World Scientific Publisher, San Lorenzo del Escorial, Madrid, Espagne (à paraître).
[DEL 96b] DELHOM M., « Modélisation et Simulation Orientées Objet - Contribution à l'étude du comportement hydrologique d'un bassin versant », Doctorat, Université de Corse, Faculté des Sciences et Techniques, 1996
[GAR 86] GARZIA R.F., GARZIA M.R., ZEIGER B.P., « Discrete Event Simulation », IEEE Spectrum, p 32-36, décembre 1986.
[OUS 88] OUSSALAH C., « Modèles hiérarchisés/multi-vues pour le support de raisonnement dans les domaines techniques », Doc. Université Aix-Marseille III, 1988.
[OUS 95] OUSSALAH C., MAGNAN M., TALENS G., « EMOST : un environnement de modélisation par objets de systèmes techniques », Génie Logiciel, N°37, p. 31-44, septembre 1995.
[ZEI 76] ZEIGLER B.P., Theory of Modelling and Simulation, Wiley, New-York, 1976. [ZEI 84] ZEIGLER B.P., Multifacetted Modelling and Discrete Event Simulation, Academic Press,
1984. [ZEI 90] ZEIGLER B.P., Object-Oriented Simulation with Hierarchical, Modular Models, Intelligent
Agents and Endomorphic Systems, Academic Press, 1990. [TOU 92 ] Les réseaux de Neurones artificiels, Claude Touzet 1992, EERIE, ISBN 2-906 899 -78X [TUR 36] A. M. Turing's ACE Report of 1946 par Alan Turing, B.E. Carpenter, R.W. Doran
(Editeur).
[BRU 94] Les mots de la géographie , Roger Brunet, et al. Relié (1994) La Documentation Française (Dynamiques du territoire); ISBN : 2110030364
[DEL 97] DELHOM M. - SANTUCCI J.F.- BISGAMBIGLIA P.A.- AIELLO A. (1997), Object Oriented Modelling and Simulation : application to natural systems. SCS international Western Multiconference on Computer Simulation, Phoenix, Arizona, January 11-15, pp. 115-120.
[MAI 88] D. MAIDMENT – L. MAYS – V. CHOW, Applied Hydrology, Mc Graw Hill Inc, 1988. [ZEA 99] ZEALAND C. – BURN D – SIMONOVIC S. (1999), Short term streamflow forecasting using
artificial neural networks. Journal of Hydrology 214 pp 32-48 [CHI 2000] Prédiction du comportement hydrologique d'un bassin versant à l'aide de Réseaux de
Neurones, Frederic Chiari, Marielle Delhom, Jean-Baptiste Filippi, Jean-François Santucci. [MUL 99] Modélisation Objet avec UML . Pierre - Alain Muller (Eurolles) [MIR 99] Le développeur Java2 . Antoine Mirecourt , (Osman Eyrolles Multimedia) . [LIP 2000] Automatic design and manufacture of robotic lifeforms. HOD LIPSON AND JORDAN B.
POLLACK.
La visite du site du stage http://perceptron.multimania.com est vivement recommandée pour découvrir
une liste de liens se rapportant au sujet.
Bib
liogr
aphi
e
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°58 sur 62
8 Glossaire Algorithme de sélection : Algorithme permettant le choix selon une analyse multi-critères.
Anthropique : Relatif à l'homme ou à une activité humaine.
ArcView : Développé par ESRI (leader dans le domaine des SIG). ArcView est un système intégré
comprenant les plupart des fonctions que l'on peut attendre d'un SIG.
Sa modularité permets aussi d'étendre ses capacités a des besoins plus spécifiques .
Ascii : Format de texte le plus commun définit par l'ANSI.
Automate: "machine à faire automatiquement des mathématiques" selon A.Turing
Biomasse : Total des masses vivantes d'un ensemble.
Boites noires : Modèle protégé ou seule les entrées et les sorties sont accessibles.
Capillarité : Propriété due à des phénomènes de surface se manifestant en particulier par la
remontée de l'eau dans des tubes étroits.
Champ : Zone mémoire d'une base de donnée.
Connexion: On peut comparer les connexions des neurones artificiels aux synapses des
neurones biologiques.
Connexionisme : ensemble de sous-disciplines ayant en commun la métaphore "neuronale":
Curvimétre : Appareil permettant de mesurer la longueur sur une carte en suivant un tracé et en
connaissant l'échelle.
Détection de contour : Analyse des zones ou le contraste est le plus fort pour pouvoir les
surligner.
Diaclases : Cavité de la roche.
Ensemble de test: Aussi appelé set de validation, il correspondra à une période donnée dans le
cas d'un prédiction de série temporelle .
Equation différentielle : Equation liant une fonction à variable réelle et ses dérivées successives .
Ergonomie : Etude des relations entre le travail et l'environnement de travail.
Événement discret: Un modèle a temps discret définit l'état du système a des temps
dénombrables.
Exutoire : Point de sortie.
Faisceau : Vecteur de données mobiles (classe Feed).
Fenêtre : Période sur laquelle se fera les apprentissages successifs.
Houppier : Branches contenues dans les deux premier tiers de la cime.
Hydrogéologique : Relatif aux interactions sol-eau (hydrogéologie).
Hydrogrammes : Graphes du débits d'un cours d'eau.
Hydrologic Modelling : Extension d'ArcView permettant le pré-traitement de données
Hydrologiques.
Hypodermique : Sous la surface.
Interception : Capacité d'absorption d'une couche en un temps donné.
IDL : Interface definition language. Langage de définition des classes, "squelette" de l'application.
Isohypses : Les isohypses sont des lignes de même altitude.
Glo
ssai
re
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°59 sur 62
Java : Langage orienté Objet développé par SUN.
Litiére : Dépôts organiques sur le sol
Module : Elément constitutif du système.
Modularité : Capacité d'adaptation grâce à une architecture modulaire.
Moment: Facteur de régression du taux d'apprentissage, il diminue les changements apportés aux
poids au fur et à mesure des passes.
En effet plus un réseau apprends, moins les changements doivent êtres forts.
Niveau d'abstraction: Décrire un modèle à différents niveaux d'abstraction permet de ne
présenter que les informations pertinentes à un niveau donné.
Nivellement : Mesure du niveau, de l'altitude.
ODBC : Open Database Connectivity. Norme de communication avec une base de donnée.
Panneau : Conteneur de composants graphiques tels que des boutons, zones de texte, etc....
Passe : Apprentissage successif de toutes les fenêtres sur la période d'apprentissage.
Polymorphe : Pouvant prendre plusieurs formes.
Portabilité : Capacité d'adaptation a d'autres plates-formes.
Rayonnement : Energie restituée solaire au sol.
Régression: Technique permettant de mesurer l'impact d'une variable sur une autre.
Retro propagation du gradient: Algorithme ou l'a différence entre la sortie désirée et la sortie
propagée (le gradient) modifie les poids des neurones de sortie aux neurones d'entrée (retro
propagation).
L'amplitude de cette modification étant relative au taux d'apprentissage.
Rhizosphére : Couche superficielle (10-50 cm) du sol.
RN multicouches: Réseau de neurones où les couche d'entrée et de sortie sont séparées par des
couches dites "cachées"
Saturation : Proportion de liquide par rapport a la capacité d'absorption maximum.
Script : Micro code servant a automatiser des taches spécifiques à un logiciel.
SIG : Système d’information géographique (Voir 2.2)
Spatial analyst : Extension d'ArcView permettant le pré-traitement de données topographiques.
Stéréoscopique : Procédé donnant l'illusion de relief en projetant une image différente pour
chaque œil.
Sublimation : Passage de l'état de glace a l'état de vapeur.
Talweg : Ligne joignant les points les plus bas d'une vallée.
Topographique : Relatif aux relevés du terrains (topographie).
Unified Modeling Language : Langage de modélisation unifié .
Glo
ssai
re
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°60 sur 62
9 Table des f igures Figure 1 : Le cycle Hydrologique 5
Figure 2 : Bassin versant topographique et bassin versant hydrogéologique 7 6
Figure 3 : Bassin versant d' ordre 4 (classification de SCHUMM). 9
Figure 4 : Nœud et sous-graphe 18
Figure 5 : Représentation schématique d’un réseau de neurones multicouche. 19
Figure 6 : Vue d'ArcView GIS 23
Figure 7 : Fonctionnement général du logiciel 25
Figure 8 : Hypothèse d'architecture N°1 26
Figure 9 : Hypothèse d'architecture N°2 27
Figure 10 : Hypothèse d'architecture N°3 28
Figure 11 : Hypothèse d'architecture N°4 29
Figure 12 : Architecture Logicielle 30
Figure 13 : Schéma UML, vue générale 32
Figure 14 : UML, Modules internes 33
Figure 15 : UML interface graphique 34
Figure 16 : Description de l'interface 38
Figure 17 : Réalisation d’une connexion 39
Figure 18 : Préparation de l'expérience 39
Figure 19 : Choix des données 39
Figure 20 : Création du réseau de neurones 40
Figure 21 : Entraînement 41
Figure 22 : Résultats 42
Figure 23 : Graphe de Gantt des taches. 43
Figure 24 : Vue du site de développement 44
Figure 25 : Exp1, Configuration de l'expérience 45
Figure 26 : Résultats De la première expérience 46
Figure 27 : Exp1, Configuration de l'expérience 47
Figure 28 : Exp. 2, La carte de la couche cachée 47
Figure 29 : Exp. 2, Activité de la couche cachée 48
Figure 30 : Exp. 2, Activité par neurone 48
Figure 31 : Résultats expérience 2 49
Figure 32 : Exp. 3, configuration de l'expérience 50
Figure 33 : Exp. 3, carte de la couche cachée 51
Figure 34 : Exp. 3, Activité de la couche cachée 51
Figure 35 : Exp. 3, Activité par neurones 52
Figure 36 : Exp. 3, première lecture du réseau 53
Figure 37 : Exp. 3, seconde lecture du réseau 54
Tab
le d
es fi
gure
s
Analyse, Conception et Programmation d'un logiciel de simulation de bassins versants
Jean baptiste Filippi. Page N°61 sur 62
10 Annexes ( O n g l e t s s u r l a d r o i t e e n n o i r s u r f o n d g r i s )
10.1 Prédiction du comportement hydrologique d'un bassin versant
à l'aide de Réseaux de Neurones, publication ESRI 2000.
10.2 A GIS based methodology for the modeling and the
simulation of watersheds, publication ATW 2000.
10.3 Prediction of the Hydrologic Behavior of a Watershed using
Artificial Neural Networks and Geographic Information
Systems, publication SMC 2000.
10.4 Modélisation et simulation orientées objet , Application à
l'étude du comportement hydrologique d'un bassin
versant, Marielle Delhom - Paul Bisgambiglia - Antoine
Aiello - Jean-François Santucci
10.5 Exemples de Code
Ann
exes