A two-step-ahead recurrent neural network for stream-flow forecasting

Développement d'une approche de modélisation pour la prévision en temps réel des crues basée sur l'utilisation d'un réseau de neurones RTRL. Comparaison des performances de ce modèle à un modèle autorégressif classique du type ARMAX en utilisant des séries chronologiques synthétiques de données. Les résultats montrent que le modèle RTRL a une forte capacité d'apprentissage et permet de produire des résultats aussi performants que ARMAX. Application du modèle RTRL sur le cas d'une rivière naturelle en Taiwan pour illustrer son utilisation en mode opérationnel.