SynthEau – Générateur de scénarios probabilistes d’apportshydrologiques
Notice bibliographique
Résumé
La gestion des ressources hydriques au Québec est essentielle en raison de sa forte dépendance à l’hydroélectricité et des impacts de la variabilité climatique, qu’elle soit d’origine naturelle ou liée aux changements climatiques anthropiques. Actuellement, Hydro-Québec utilise des prévisions hydrologiques d’ensemble (ESP) pour produire des scénarios probabilistes en volume dont les biais limitent l'efficacité opérationnelle lors d'événements extrêmes, tels que les crues printanières. Ce mémoire vise principalement à développer la méthode SynthEau (pour Synthèse de l’Eau), une méthode permettant d'améliorer la précision des prévisions de volumes d’apports et la cohérence temporelle des scénarios probabilistes issus des prévisions hydrologiques d’ensemble. L'objectif est de mieux gérer les écarts de volume lors des événements extrêmes et de comparer SynthEau à la méthode actuellement utilisée (HMAPPORT) pour en mesurer l'efficacité. La recherche repose sur l’analyse des bassins versants de La Grande et de la Saint-Maurice au Québec. Les données d'apports historiques ainsi que les archives des prévisions hydrologiques d’ensemble ont été utilisées. Deux modèles de transformation ont été comparés : HMAPPORT, la méthode utilisant la médiane temporelle comme base pour redistribuer le volume prévu, et SynthEau, la méthode développée garantissant la cohérence temporelle des quantiles probabilistes des volumes d’apports prévus via une approche cumulée décumulée. L’évaluation est basée sur l’erreur relative moyenne, les biais par rapport aux observations réelles et la fiabilité des scénarios générés. Le modèle SynthEau présente une réduction des erreurs moyennes de volumes d’apports prévisionnels comparativement à HMAPPORT, sur l'horizon de prévision moyenne de 30 jours pour les scénarios fort (15% de dépassement) et faible (85% de dépassement). Les résultats indiquent une meilleure représentation du volume prévu de SynthEau aux conditions hydrologiques extrêmes, avec des biais généralement inférieurs à 0,5 %. Toutefois, la comparaison des scénarios à médian avec les volumes réels présente des performances similaires entre SynthEau et HMAPPORT, mettant en évidence l'influence déterminante des prévisions hydrologiques d'ensemble elles-mêmes. L’analyse de fiabilité montre une légère sous-estimation des événements extrêmes correspondant au quantile 15 % et une surestimation des scénarios fréquents du quantile 85 % par les deux modèles, car ceux-ci utilisent la même source pour les alimenter. SynthEau améliore l'estimation du volume prévu des scénarios probabilistes issus des prévisions hydrologiques d'ensemble, permettant d'offrir des bénéfices opérationnels concrets pour la gestion hydrique d’Hydro-Québec. Les biais observés par rapport aux observations sont causés par les prévisions hydrologiques d’ensemble, soulignant l’importance d’améliorer ces prévisions en amont. Des recherches futures pourraient intégrer des méthodes avancées d'assimilation des données ou de correction de biais directement dans les prévisions ensemblistes pour renforcer davantage la précision et la fiabilité des scénarios opérationnels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».