En savoir plus

L'objectif général du projet DRHYM est d'explorer le potentiel des modèles hybrides basés sur des données pour les applications hydrologiques et de démontrer leur valeur ajoutée dans des études de cas réels. Par hybride, nous entendons des modèles développés en intégrant des algorithmes d'apprentissage automatique avec des modèles hydrologiques conceptuels, dans un nouveau cadre commun.

Les modèles hydrologiques qui représentent le comportement du bassin versant, en transformant les données climatiques en débit et autres variables hydrologiques, sont encore d'une efficacité limitée, malgré les efforts de long terme pour améliorer leurs performances. À titre d'exemple, le développement de modèles hydrologiques GR a commencé dans les années 1980 en France, et ces modèles sont maintenant utilisés dans de nombreux pays pour diverses applications. Une caractéristique clé de leur développement empirique est l'utilisation de données sur un grand nombre de bassins versants.

Aujourd'hui, le développement florissant des techniques d'intelligence artificielle (IA) et la disponibilité croissante d'échantillons de données à l'échelle mondiale offrent l'opportunité de revoir le développement de ces modèles hydrologiques et d'améliorer leurs capacités prédictives.

Le paradigme principal de DRHYM sera de considérer le bassin versant comme une source d'information pour identifier des structures de modèles hybrides améliorés avec une applicabilité plus large dans le temps et l'espace. Cela se fera en plaçant la recherche de structures de modèles améliorés en hydrologie dans le cadre de techniques d'IA et de grandes bases de données mondiales.

Trois défis principaux seront abordés dans le projet, à savoir:

• mettre en place un cadre méthodologique innovant pour développer des modèles hydrologiques hybrides améliorés,
• concevoir des modèles GR avec des performances améliorées pour un large spectre d'échelles de temps et d'espace, et 
• aborder les limites des approches basées sur l'apprentissage automatique et les modèles GR dans un contexte de données limitées.

Les principaux résultats du projet seront un cadre méthodologique pour le développement de modèles hybrides en hydrologie, une nouvelle génération de modèles GR et des codes open-source à partager avec la communauté des utilisateurs finaux.