Documents disponibles écrits par cet auteur

Improving Daily Reservoir Inflow Forecasts with Model Combination / Coulibaly, Paulin in Journal of hydrologic engineering, Vol. 10, N°2 (Mars/Avril 2005)

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 10, N°2 (Mars/Avril 2005) . - 91-99 p. Titre : Improving Daily Reservoir Inflow Forecasts with Model Combination Titre original : Amélioration des Prévisions Quotidiennes d'Apport de Réservoir avec la Combinaison Modèle Type de document : texte imprimé Auteurs : Coulibaly, Paulin, Auteur ; Haché, Mario, Auteur ; Fortin, Vincent ; Bobée, Bernard Article en page(s) : 91-99 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Runoff  forecasting  Hydrologic  models  Inflow  Reservoir  Prévisions  d'écoulement  Modèles  hydrologiques  Apport Index. décimale : 551.4 Résumé : A major issue in real-time management of water resources is the need for accurate and reliable hydrologic forecasts at least 24 or 48 h ahead. An experiment on improving the accuracy of a conceptual hydrologic model used for daily reservoir inflow forecasting, by resorting to model combination, is presented. A robust weighted-average method is used to take advantage of three dynamically different models; a nearest-neighbor model, a conceptual model, and an artificial neural network model. At each time step, the output of each of these three models is computed, and either the absolute best result is considered or the competitive results are combined using the improved weighted-average method. The Latter approach has shown a significant forecast improvement for up to 4-day-ahead prediction. Moreover, it is found that with the model combination, there is no need for post correction of the conceptual model forecasts-It is also found that the prediction accuracy is mainly driven by the nearest-neighbor method for the 2-day-ahead forecasts, and relatively by each model after wards. However, none of the three models appears significantly better than the combined model approach, Whatever the prediction lead time. Une issue importante dans la gestion en temps réel des ressources d'eau est le besoin de prévisions hydrologiques précises et fiables au moins 24 ou 48 h en avant. Une expérience sur améliorer l'exactitude d'un modèle hydrologique conceptuel utilisé pour des prévisions quotidiennes d'apport de réservoir, par le recours pour modeler la combinaison, est présentée. Une méthode peser-moyenne robuste est employée pour tirer profit de trois modèles dynamiquement différents ; un modèle de proche-voisin, un modèle conceptuel, et un modèle artificiel de réseau neurologique. À chaque fois que l'étape, le rendement de chacun de ces trois modèles est calculée, et ou le meilleur résultat absolu est considéré ou les résultats concurrentiels sont combinés en utilisant la méthode peser-moyenne améliorée. La dernière approche a montré une amélioration significative de prévision pour la prévision de jusqu'à 4 jours en avant. D'ailleurs, on le constate qu'avec la combinaison modèle, il n'y a aucun besoin de correction de poteau du modèle conceptuel que prévoir-il est également trouvé que l'exactitude de prévision est principalement conduit par la méthode de proche-voisin pour les 2 prévisions de jour en avant, et relativement par chaque modèle après des salles. Cependant, aucun des trois modèles ne semble sensiblement meilleur que l'approche modèle combinée, quoi que le délai d'exécution de prévision. [article] Improving Daily Reservoir Inflow Forecasts with Model Combination = Amélioration des Prévisions Quotidiennes d'Apport de Réservoir avec la Combinaison Modèle [texte imprimé] / Coulibaly, Paulin, Auteur ; Haché, Mario, Auteur ; Fortin, Vincent ; Bobée, Bernard . - 91-99 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 10, N°2 (Mars/Avril 2005) . - 91-99 p. Mots-clés : Runoff  forecasting  Hydrologic  models  Inflow  Reservoir  Prévisions  d'écoulement  Modèles  hydrologiques  Apport Index. décimale : 551.4 Résumé : A major issue in real-time management of water resources is the need for accurate and reliable hydrologic forecasts at least 24 or 48 h ahead. An experiment on improving the accuracy of a conceptual hydrologic model used for daily reservoir inflow forecasting, by resorting to model combination, is presented. A robust weighted-average method is used to take advantage of three dynamically different models; a nearest-neighbor model, a conceptual model, and an artificial neural network model. At each time step, the output of each of these three models is computed, and either the absolute best result is considered or the competitive results are combined using the improved weighted-average method. The Latter approach has shown a significant forecast improvement for up to 4-day-ahead prediction. Moreover, it is found that with the model combination, there is no need for post correction of the conceptual model forecasts-It is also found that the prediction accuracy is mainly driven by the nearest-neighbor method for the 2-day-ahead forecasts, and relatively by each model after wards. However, none of the three models appears significantly better than the combined model approach, Whatever the prediction lead time. Une issue importante dans la gestion en temps réel des ressources d'eau est le besoin de prévisions hydrologiques précises et fiables au moins 24 ou 48 h en avant. Une expérience sur améliorer l'exactitude d'un modèle hydrologique conceptuel utilisé pour des prévisions quotidiennes d'apport de réservoir, par le recours pour modeler la combinaison, est présentée. Une méthode peser-moyenne robuste est employée pour tirer profit de trois modèles dynamiquement différents ; un modèle de proche-voisin, un modèle conceptuel, et un modèle artificiel de réseau neurologique. À chaque fois que l'étape, le rendement de chacun de ces trois modèles est calculée, et ou le meilleur résultat absolu est considéré ou les résultats concurrentiels sont combinés en utilisant la méthode peser-moyenne améliorée. La dernière approche a montré une amélioration significative de prévision pour la prévision de jusqu'à 4 jours en avant. D'ailleurs, on le constate qu'avec la combinaison modèle, il n'y a aucun besoin de correction de poteau du modèle conceptuel que prévoir-il est également trouvé que l'exactitude de prévision est principalement conduit par la méthode de proche-voisin pour les 2 prévisions de jour en avant, et relativement par chaque modèle après des salles. Cependant, aucun des trois modèles ne semble sensiblement meilleur que l'approche modèle combinée, quoi que le délai d'exécution de prévision.