Evaluation of the ability of an artificial neural network model to simulate the input-output responses of a large karstic aquifer: the La Rochefoucauld aquifer (Charente,France) |
| |
Authors: | Bedri Kurtulus Moumtaz Razack |
| |
Institution: | (1) Hydrogeology Department (UMR6532), University of Poitiers, 40 avenue du Recteur Pineau, Poitiers, Cedex, 86022, France |
| |
Abstract: | The ability of artificial neural networks (ANN) to model the rainfall-discharge relationships of karstic aquifers has been
studied in the La Rochefoucauld karst system, south-west France, which supplies water to the city of Angoulême. A neural networks
model was developed based on MLP (multi-layer perceptron) networks and the Levenberg-Marquardt optimization algorithm. Raw
rainfall data were used without transformation into effective rainfall. This allowed for the elimination of certain non-verifiable
simplifying assumptions and their subsequent introduction into the modeling procedure. The raw rainfall and discharge data
were divided into three groups for the training, the validation and the prediction test of the ANN model. The training and
validation phases led to a very satisfactory calibration of the ANN model. The attempt to predict discharges showed that the
ANN model is able to simulate the karstic aquifer discharges. The shape of the simulated hydrographs was found to be similar
to that of the actual hydrographs. These encouraging results make it possible to consider interesting and new prospects for
the modeling of karstic aquifers, which are highly non-linear systems.
Resumen Se ha estudiado la capacidad de las redes artificiales neurales (ANN) para modelizar las relaciones de lluvia-descarga de
acuíferos kársticos en el sistema kárstico La Rochefocauld, al suroeste de Francia, el cual abastece de agua a la ciudad de
Angoulême. Se desarrolló un modelo de redes neurales en base a redes MLP (Perceptron Multi-Capas) y el algoritmo de optimización
Levenberg-Marquardt. Se utilizaron datos de lluvia sin la transformación hacia lluvia efectiva. Esto permitió la eliminación
de ciertos supuestos simplificadores no verificables y su subsiguiente introducción en el procedimiento de modelizado. Los
datos brutos de descarga y lluvia se dividieron en 3 grupos para la preparación, validación y la prueba de predicción del
modelo ANN. Las fases de preparación y validación llevaron a una calibración muy satisfactoria del modelo ANN. El intento
por predecir descargas mostró que el modelo ANN es capaz de simular las descargas del acuífero kárstico. Se encontró que la
forma de los hidrogramas sintéticos es similar a la de los hidrogramas reales. Estos resultados alentadores hacen posible
considerar prospectos nuevos e interesantes para el modelizado de acuíferos kársticos los cuales son sistemas altamente no-lineares.
Résumé L’aptitude des réseaux de neurones artificiels (RNA) à modéliser les relations pluie-débit des aquifères karstiques a été
évaluée sur le karst de La Rochefoucauld (Sud-Ouest de la France), qui fournit l’eau potable à la capitale régionale Angoulême.
Un modèle RNA a été développé à cet effet, basé sur les réseaux PMC (Perceptron Multicouche) et l’algorithme d’optimisation
de Levenberg-Marquardt. Les données de pluie utilisées concernent la pluie brute, sans transformation en pluie efficace, ce
qui permet de s’affranchir de certaines hypothèses simplificatrices non vérifiables. Les données de pluie brute et de débit
ont été réparties en 3 groupes pour l’apprentissage, la validation et le test de prédiction du RNA. Les phases d’apprentissage
et de validation ont permis d’aboutir à une calibration très satisfaisante du modèle RNA. La tentative de prédiction a montré
que le RNA est apte à simuler les débits de l’aquifère karstique à partir de la pluie brute. La forme des hydrogrammes simulés
est semblable à celle des hydrogrammes réels. Les résultats obtenus sont très encourageants et permettent d’envisager des
perspectives intéressantes et nouvelles de modélisation des aquifères karstiques, qui sont des systèmes hautement non-linéaires.
|
| |
Keywords: | Artificial neural networks Karst Numerical modeling Non-linear system La Rochefoucauld aquifer |
本文献已被 SpringerLink 等数据库收录! |
|