Estimation de débits de crues saisonniers dans un contexte de changement climatique à l’aide des modèles d’apprentissage machine dans le Québec méridional

L’estimation des forts débits dans un contexte de changement climatique est une tâche essentielle à bien des égards pour notre société. Elle permet en l’occurrence d’analyser l’impact et les stratégies de mitigation face aux aléas naturels comme les inondations. Différentes approches ont été proposées pour répondre à ce besoin dont la modélisation hydro-climatologique (MHC) et l’analyse fréquentielle. Cependant, les effets du réchauffement planétaire ont intensifié le cycle hydrologique et ont restreint l’application de ces approches dites conventionnelles. De plus, la MHC fait également face à des incertitudes associées à la conception même des modèles climatiques, ainsi que hydrologiques (e.g., disponibilité de données, ou l’équifinalité et l’équiprobabilité du jeu de paramètres), sans mentionner l’expertise requise. C’est ainsi que ce projet s’intéresse à appliquer d’autres méthodes comme les modèles d’apprentissage automatique (ML) pour estimer la dynamique de ces forts débits en climat futur dans le Québec méridional, et ce en utilisant les derniers scénarios climatiques, ainsi que les indices climatiques caractérisant un événement d’inondation. Au niveau des retombées, le projet contribuera à l’avancement de l’expertise en matière d’applications des modèles de type ML au domaine des aléas naturels et l’évaluations des Plans de protection des territoires face aux inondations.

Faculty Supervisor:

Alain Rousseau

Student:

Partner:

Universidad Nacional de Colombia

Discipline:

Engineering

Sector:

Artificial Intelligence; Water; Environmental Science and Technology

University:

Université du Québec : Institut national de la recherche scientifique

Program: