NEURAL NETWORKS FOR RAINFALL FORECASTING BY ATMOSPHERIC DOWNSCALING

Proposition d'une méthode pour prendre en compte la variabilité spatio-temporelle de la pluie dans les prévisions de crue avec des réseaux de neurones artificiels. Comparaison de deux approches. La première couple deux réseaux de neurones; Une pour le calcul de la probabilité d'appariation de pluie et une pour le calcul de l'intensité de la pluie. La deuxième approche répartit les événements pluvieux en catégories d'intensité et cale le réseau de neurones pour reproduire ces catégories plutôt que les vraies intensités. Application des deux approches à l'estimation des pluies moyennes semi-journalières sur le bassin versant de Chikugo au Japon en utilisant les vitesses des vents à 850 hPa et la quantité de pluie précipitable comme variables explicatives. Comparaison des résultats obtenus et discussion sur les avantages et limitations des méthodes utilisées