Prévision des précipitations à court terme à l'aide de modèles ANN et ANFIS

La pr vision des pr cipitations reste une question extr mement importante dans le domaine de l'hydrologie. D'autre part, les pr cipitations sont l'un des processus hydrologiques efficaces les plus compliqu s dans la pr vision du ruissellement. Dans la pr sente tude, on a tent de d velopper des mod les de r seaux neuronaux artificiels (ANN) et de syst mes d'inf rence neuro-floue adaptatifs (ANFIS) pour la pr vision des pr cipitations quotidiennes pendant la p riode de mousson Junagadh, Gujarat, Inde. Les donn es de la p riode (1er juin au 30 octobre) des ann es 1979-1981, 1984-1989 et 1991-2007 ont t utilis es pour former les mod les et les donn es des ann es 2008-2011 ont t utilis es pour tester les mod les. L'analyse de sensibilit a t utilis e pour identifier le param tre le plus important pour la pr vision des pr cipitations. Dans le mod le ANN, l'algorithme de r tropropagation et la fonction d'activation sigmo de ont t utilis s pour former et tester les mod les, tandis que dans les mod les ANFIS, les fonctions d'appartenance gaussienne et de cloche g n ralis e ont t utilis es. L' tude a montr que les performances du mod le ANN double couche cach e avec quatre param tres d'entr e sont meilleures que celles du mod le ANFIS. L'analyse de sensibilit a indiqu que le param tre d'entr e le plus important, outre les pr cipitations elles-m mes, est la pression de vapeur dans la pr vision des pr cipitations.