DEVELOPPEMENT D'UN SYSTEME DE PREVISION ET D'ALERTE DES CRUES BASE SUR L'APPRENTISSAGE AUTOMATIQUE DANS LE BASSIN DE L'OUEME A L'EXUTOIRE DE BONOU AU BENIN

Abstract

Les inondations récurrentes dans le bassin de l’Ouémé constituent une menace majeure pour les populations locales et les activités socio-économiques. Cette recherche vise à contribuer à l’amélioration du système d’alerte précoce en développant un système intelligent de prévision et d’alerte aux inondations.
L’approche méthodologique repose sur la collecte et le traitement des données hydrométriques (débits et hauteurs d’eau, de 1991 à 2023) de la station de Bonou, ainsi que des données de précipitations issues de 23 stations locales et du produit satellitaire CHIRPS. Après correction de leurs biais, ces données pluviométriques ont été fusionnées afin d’estimer la pluie moyenne spatiale du bassin par la méthode du krigeage ordinaire. Une courbe d’étalonnage polynomiale a également été reconstruite pour établir la relation entre les débits et les seuils d’alerte. L’étude a ensuite analysé les périodes critiques de crue et conçu deux modèles de prévision fondés sur l’algorithme XGBoost : le premier combinant les précipitations et les débits, et le second utilisant uniquement les débits. Enfin, une interface permettant la diffusion automatique des alertes et des bulletins hydrologiques a été développée.
L’évaluation des deux modèles sur cinq années de données de test, pour la prévision des débits sur les quatre jours suivants, met en évidence des performances remarquables (R² et NSE > 0,98 ; RMSE comprise entre 9,9 et 33,9 m³/s). Le modèle combinant les précipitations et les débits présente toutefois une précision légèrement supérieure. Enfin, les prévisions hydrologiques et les alertes sont diffusées automatiquement via une interface interactive, par courrier électronique, WhatsApp et d’autres canaux, avec une traduction audio en français, en fon et en anglais afin d’améliorer leur accessibilité.