قسم الري

Permanent URI for this collection

http://localhost:4000/handle/123456789/96

Browse

Browsing قسم الري by Title

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    Estimation statistique de la pluie maximale probable (PMP) au Nord de l'Algérie
    (Université d'Oum EL Bouaghi, 2023) Batout, Soumia; Houichi, Larbi
    Les pluies maximales probables (PMP) sont définies comme étant la hauteur maximale de la lame d'eau qui peut météorologiquement s'accumuler, en un temps donné, dans un bassin versant. La finalité de l'estimation des PMP est de les convertir en crues maximales probables (CMP), laquelle est nécessaire pour la conception des structures hydrauliques telles que les évacuateurs des barrages. L'estimation des PMP par la méthode statistique de Hershfield a été adoptée dans cette étude pour 140 stations pluviométriques, parmi elles 112 stations répondant aux tests d'hypothèse requis par l'analyse fréquentielle, au sein des trois bassins du littoral Algérien (Côtiers Algérois, Côtiers Constantinois, Côtiers Oranais). Cette méthode comporte deux approches ; 1. L'approche simplifiée (traditionnelle) proposée par Hershfield, basée sur le calcul adéquat du facteur de fréquence (K_m) initié par Chow à l'aide de la courbe enveloppe appropriée. 2. L'approche modifiée, basée sur la correction de la moyenne et de l'écart type des séries de précipitations de taille inférieure à 50 ans. Cette thèse se focalise sur l'application de ces deux approches et établit une comparaison entre elles pour le bassin du Côtiers Oranais pris comme un cas d'étude. Les résultats de l'application de la méthode simplifiée de Hershfield pour l'ensemble des bassins montrent que les valeurs des PMP max(24H) ponctuelles sont élevées et moyennes au centre de la zone d'étude au niveau du bassin du Côtiers Algérois et elles décroissent à l'extrémité Est et Ouest dans les deux bassins Côtiers Constantinois et Côtiers Oranais. La comparaison entre les deux approches de Hershfield, au sein du bassin Côtiers Oranais, montre qu'il n'y a pas de différence significative entre les valeurs des PMP max(24H) estimées. Par conséquent, il est recommandé d'utiliser l'approche simplifiée au lieu de l'approche modifiée comme résultat préliminaire tiré de cette étude. L'interpolation spatiale par la méthode " Inverse Distance Weighting " (IDW) a été adoptée pour comprendre la distribution spatiale des PMP max(24H) dans les bassins du littoral Algérien. Le calcul des périodes de retour des valeurs PMP max(24H) estimées a été réalisée par la distribution généralisée des valeurs extrêmes (GEV), la plus adéquate pour les valeurs hydrologiques extrêmes, tout en utilisant la meilleure méthode d'estimation de ses paramètres pour chaque station pluviométrique. Les résultats ont révélé que la période de retour tend vers des valeurs infinies. Une autre méthode alternative a été appliqué pour l'estimation des PMPmax(24H), qui consiste à chercher des corrélations entre les quantiles des précipitations maximales journalières annuelles (Pjmax) à différentes périodes de retour à travers la distribution généralisée des valeurs extrêmes (GEV) et les PMPmax(24H) estimées par la méthode statistique simplifiée de Hershfield. A cet effet, il a été aperçu que les PMPmax(24H) estimées par l'approche simplifiée affichent une meilleure corrélation linéaire avec les quantiles centennaux. Cette relation linéaire peut remplacer la méthode simplifiée de Hershfield pour une estimation rapide et explicite des PMP. Probable maximum precipitation PMP is defined as the greatest depth of precipitation for a certain duration, meteorologically possible, for a given size storm area at a specific time of year. The purpose of estimating PMPs is to convert them into probable maximum floods (PMF), which are necessary for the design of hydraulic structures such as spillways of dams. The estimation of PMPs by the statistical method of Hershfield was adopted in this study for 140 rainfall stations, among them 112 stations responding to the hypothesis tests required by the frequency analysis, within the three basins of the Algerian coast (Côtiers Algérois, Côtiers Constantinois, Côtiers Oranais). This method has two approaches; 1. The simplified (traditional) approach proposed by Hershfield, based on the adequate calculation of the frequency factor (K_m), which is initiated by Chow using the appropriate envelope curve. 2. The modified approach, based on the correction of the mean and the standard deviation of the series of precipitations, with a size of fewer than 50 years. This thesis focuses on the application of these two approaches and establishes a comparison between them for the Côtiers Oranais basin taken as a case study. The results of the application of the simplified Hershfield method for all the basins show that the at-site PMP max(24H) are high and average in the center of the area of study at the Côtiers Algérois basin and they decrease at the eastern and western limits in the two basins: Côtiers Constantinois and Côtiers Oranais. The comparison between the two approaches of Hershfield, within the Côtiers Oranais basin, shows that there is no significant difference between the estimated values of PMP max(24H). Therefore, it is recommended to use the simplified approach instead of the modified approach as a preliminary result of this study. The spatial interpolation by "Inverse Distance Weighting" method (IDW) was adopted to understand the spatial distribution of PMP max(24H) in the Algerian coast basins. The calculation of the return periods of the PMP max(24H) estimated values was carried out by the generalized extreme values distribution (GEV), which is the most suitable for extreme hydrological values while using the best method for estimating its parameters for each rainfall station. The results revealed that the return period tends to have infinite values. Another alternative method was applied for the estimation of PMP max(24H), which consists in looking for correlations between the quantiles of the annual maximum daily precipitation (Pjmax) at different return periods through the generalized extreme value distribution (GEV) and the PMP max(24H) estimated by the simplified statistical method of Hershfield. To this end, it was found that the PMP max(24H) estimated by the simplified approach show a better linear correlation with the centennial quantiles. This linear relationship can replace the simplified Hershfield method for a fast and explicit estimation of PMP. يُعرف الهطول الأعظمي الممكن على أنه "ارتفاع هطول أعظمي، ممكن فیزیائیا ً، ذو دیمومة معینة، في منطقة ذات مساحة معلومة، وخلال فترة محددة من السنة". الغرض من تقدير الهطول الأعظمي الممكن (PMP) هو تحويله إلى فيضان أعظمي ممكن (CMP) والذي يعد أمر ضروري لتصميم المنشأة المائية كمفيضات السدود مثلا. في هذه الدراسة تم اعتماد تقدير PMP بالطريقة الإحصائية لـ Hershfield مطبقة على 140 محطة مطرية، تستجيب 112 منها للإختبارات الفرضية لتحليل التردد، داخل الأحواض الثلاثة للساحل الجزائري.(Côtiers Algérois, Côtiers Constantinois, Côtiers Oranais) تتضمن هذه الطريقة مقاربتين: 1. المبسطة أو التقليدية، التي اقترحها Hershfield، بناءً على الحساب المناسب لمعامل التردد (K_m) المستمد من دراسات Chow باستخدام منحنى الغلاف المناسب. 2. المعدَّلة، التي تعتمد على تصحيح المتوسط والانحراف المعياري للسلاسل الزمنية المطرية التي يقل طولها عن 50 سنة. تركز هذه الأطروحة على تطبيق المقاربتين ومقارنتها عبر معطيات حوض Côtiers Oranais كدراسة حالة. بينت نتائج تطبيق طريقة Hershfield المبسطة على جميع الأحواض أن قِيم PMP max(24H) عالية ومتوسطة في مركز منطقة الدراسة على مستوى حوض Côtiers Algérois وتتناقص عند النهايتين الشرقية والغربية في حوضي Côtiers Constantinois وCôtiers Oranais. أظهرت المقارنة بين مقاربتي Hershfield في حوضCôtiers Oranais أن لا فرق ملحوظ بين قيم PMP max(24H) المقدرة ، ومن ذلك ينصح باستعمال المقاربة المبسطة بدلا من المعدلة كنتيجة أولية مُستفادة من هذه الدراسة. لفهم التوزيع المكاني لـ PMP max(24H) في أحواض الساحل الجزائري تم اعتماد الاستيفاء المكاني بطريقة "الوزن العكسي للمسافة" (IDW). كما تم حساب زمن التردد لقيم PMP max(24H) المقدرة من خلال توزيع القیم المتطرفة المعمم (GEV) والذي يعد الأنسب للظواهر الهيدرولوجية الأعظمية، مع استخدام أفضل طريقة لتقدير معاملاته وذلك في كل محطة قياس ضمن الأحواض المدروسة، حيث أظهرت النتائج أن زمن التردد يؤول إلى ما لا نهاية. طريقة بديلة أخرى تم تطبيقها لتقدير PMP max(24H) ، والمتمثلة في البحث عن الارتباطات بين قيم الهطول الأعظمي السنوي (Pjmax) في فترات عودة مختلفة من خلال توزيع القيم المتطرفة المعمم (GEV) وقيم PMPmax24H المقدرة بواسطة الطريقة الإحصائية المبسطة لـ Hershfield، حيث تبينَ أن قيمها مرتبطة خطيا بالقيم ذات التررد المئوي. ومما سلف يمكن اعتبار العلاقة الخطية بديلا يستعاض به عن الطريقة الإحصائية المبسطة لـ Hershfield لتقدير سريع ومباشر لـقيم PMP.
  • No Thumbnail Available
    Item
    Etude et analyse statistique des paramètres des écoulements naturels dans certains oueds en climat semi-aride
    (Oum El Bouaghi, 2023) Yahi, Takai Eddine; Boudaoud, Zeineddine
    La simulation d'écoulement, en particulier dans les bassins versants non jaugés, présente un défi complexe dans le domaine de l'hydrologie des eaux de surface. En Algérie, des nombreux projets hydrauliques sont prévus dans des zones où les mesures des débits sont limitées ou inexistantes. Dans de telles situations, l'estimation des paramètres hydrologiques, en particulier les débits extrêmes. Actuellement, il n’y a pas de méthode analytique pour le calcul du débit dans les canaux naturels. C’est dans ce contexte que nous proposons la présente étude, basée sur certaine méthode de calcul, La Méthode du Modèle Rugueux (MMR), la méthode de Chiu et les méthodes de l’intelligence artificielle, pour estimer les débits liquides dans des cours d'eau naturels, L'étude a été menée sur cinq stations hydrométriques dans quelque bassins versants du centre-nord Algérien. La méthode MMR se base sur des paramètres mesurables du cours d’eau. Pour la méthode de Chiu, son application permet de définir un modèle linéaire entre la vitesse moyenne et la vitesse maximale d'une section d'écoulement. De plus, cette méthode détermine les débits en utilisant les valeurs des paramètres d'entropie. Cette étude a été renforcée par l’application des huit modèles basés sur l'intelligence artificielle pour améliorer la prédiction de ces débits calculés. Les modèles étudiés comprennent ANN, ANFIS, Random Forest, Rep Tree, M5p, GPR, SVM, LibSVM. Un modèle global d'apprentissage automatique a été ainsi établi pour l'ensemble des données de la zone d'étude. Finalement, nous proposons une approche de modélisation hybridé qui intègre une machine à vecteurs de support (SVM) avec plusieurs techniques d'ensemble, à savoir, Bagging, Dagging, Random subspace et Rotation Forest, dans le but d'améliorer encore la prédiction de ces débits. Ces modèles ont été validé à l'aide des critères statistiques et d'interprétations graphiques. Les résultats obtenus de la méthode MMR montrent que cette dernière prédire les débits liquides d’une façon optimale, elle s'avère également efficace pour estimer les débits dans des cours d'eau non ou mal jaugés, compensant ainsi le manque de données par rapport à la méthode alternative de Chiu. Ces résultats ont été ainsi bien améliorés par l’utilisation de huit modèles basés sur l'intelligence artificielle, Par ailleurs, des approches hybrides montrant des modèles globaux ont également été proposées avec succès pour les écoulements à surface libre dans de notre cas d’étude. Flow simulation, especially in ungauged watersheds, presents a complex challenge in the field of surface water hydrology. In Algeria, many hydraulic projects are planned in areas where flow measurements are limited or non-existent. In such situations, the estimation of hydrological parameters, in particular flows, becomes particularly difficult. Currently, there is no analytical method for calculating flow in natural channels. It is in this context that we propose the present study, based on certain calculation method, The Rough Model Method (RMM), Chiu's method and artificial intelligence methods to estimate liquid flow rates in water courses. natural water, the study was conducted on five hydrometric stations in northern Algeria. The MMR method does not take into account the Chézy and Manning coefficients. For the calculation of flow in natural channels, this method is based on measurable parameters of the watercourse. For Chiu's method, its application makes it possible to define a linear model between the average speed and the maximum speed of a flow section. Additionally, this method determines flow rates using entropy parameter values. This study was enhanced by the application of eight models based on artificial intelligence to improve the prediction of these calculated flows. The models studied include ANN, ANFIS, Random Forest, Rep Tree, M5p, GPR, SVM, LibSVM. A global machine learning model was thus established for all the data from the study area. Finally, we propose a hybrid modeling approach that integrates a support vector machine (SVM) with several ensemble techniques, namely, Bagging, Dagging, Random subspace and Rotation Forest, with the aim of further improving the prediction of these flow rates. These models were validated using statistical criteria and graphical interpretations. The results obtained from the MMR method show that the latter predicts liquid flow rates in an optimal manner, it also proves effective for estimating flow rates in ungauged or poorly gauged watercourses, thus compensating for the lack of data in relation to to Chiu's alternative method. These results were thus much improved by the use of eight models based on artificial intelligence. Furthermore, hybrid approaches showing global models were also successfully proposed for the surface flows of our case study. تُعَتَبِرُ محاكاةُ تدفق جريان المياه، خاصةً في حالة الاحُواضِ الهيدروغرافية الغيرِ المُقَاسةِ، تَحَدِيًا مُعَقَّدًا في ميدانِ هيدرولوجيا المياهِ السَّطحيةِ. في الجزائر، يُخَطَّطُ للعديدِ من المشاريعِ الهيدروليكيةِ في مناطِقَ حيثُ تكونُ قِيَاسَاتُ التدفقاتِ محدودة أو غيرُ مُتَاحَةٍ. في مثل هذه الحالات، يُصْبِحُ تَقْدِيرُ المُعَلَّمَاتِ الهيدرولوجية، والمعدلات القصوى بشكلٍ خاص. حاليًا، لا تُوجَدُ طَرِيقَةٌ تَحْلِيلِيَّةٌ لحَسْبِ التدفقِ في المجاري الطبيعية وفي هذا السياق، نُقَدِّمُ هذه الدراسة التي تستند إلى بعض طُرُقِ الحسابية، مثل نظريةٌ النموذج الخشن (RMM)، وطريقة ,Chiu بالإضافة إلى طُرُقِ الذكاء الاصطناعي، وذلك بهدف التقدير المناسب لتدفقات السائلة في الأنهار الطبيعية. تمت الدراسة على خمس محطات هيدرومترية في بعض احواض وسط شمال الجزائر. تعتمد نظريةٌ MMR على معايير قابلة للقياس للمجرى المائي. أما بالنسبة لطريقة Chiu، فإن تطبيقها يُمكِّن من إنشاء نموذج خطي بين متوسط ​​السرعة والسرعة القصوى لمقطع الجريان. بالإضافة إلى ذلك، تحدد هذه الطريقة معدلات التدفق باستخدام قيم معاملات الإنتروبيا. تم تعزيز هذه الدراسة من خلال تطبيق ثمانية نماذج قائمة على استعمال الذكاء الاصطناعي وذالك لتحسين توقعات التدفقات المحسوبة. تشمل النماذج التي تمت دراستها ANN وANFIS وRandom Forest وRep Tree وM5p وGPR وSVM وLibSVM. وقد تم كذالك إنشاء نموذج كلي للتعلم الآلي لكل بيانات منطقة الدراسة. في الختام، نقترح نهجً تصميم هجين يدمج نموذج آلية الدعم (SVM) مع العديد من تقنيات مجموعة التحسين، وهي Dagging، Bagging، Rotation Forest، وRandom subspace، بهدف تحسين توقعات هذه التدفقات بشكل أفضل. تم التحقق من هذه النماذج من خلال استخدام معايير إحصائية وتفسيرات رسوم بيانية. تظهر النتائج التي تم الحصول عليها باستعمال نظريةٌ MMR أن هذه الأخير تتنبأ بتقدير التدفقات السائلة بطريقة مثالية، كما أثبتت كذالك فعاليتها في تقدير التدفقات في المجاري المائية الغير مقاسة أو السيئة القياس، وبالتالي تعمل على تعويض نقص البيانات في محطات القياس مقارنة بطريقة Chiu. تم ايضا تقدير مثالي للتدفقات باستخدام ثمانية نماذج قائمة على الذكاء الاصطناعي. وعلاوة على ذلك، تم اقتراح بنجاح أيضًا أساليب هجينة تظهر نماذج عالية الجودة لتدفقات السطحية للمنطقة المقترحة للدراسة. Mot clé : Cours d’eau naturel, débit, MMR, Chiu, ANN, SVM-Hybridés
  • No Thumbnail Available
    Item
    Evaluation du risque d’érosion des sols et simulation du bilan hydro- sédimentaire à l’aide de SIG, télédétection et des modèles hydrologiques
    (Université d'Oum El Bouaghi, 2023) Zeghmar, Amer; Marouf, Nadir; Mokhtari, El Hadj
    Le fait que le monde soit confronté à des défis liés à l'eau est devenu de plus en plus évident ces dernières années. Ces défis restent répandus et reflètent de graves problèmes de gestion des ressources en eau. La nécessité de la compréhension du comportement des écoulements au sein d'un bassin versant et au niveau des cours d'eau est indispensable, que ce soit pour la gestion des ressources, pour la prévention des risques causés par les crues importantes, ou pour l'amélioration de la qualité des cours d'eau. la lumière du développement rapide des systèmes d'information géographique et de leur capacité d'analyser les données fournies par les technologies de télédétection, il est devenu impératif de rechercher des modèles traditionnels de perte de sol, qui peuvent être combinés avec les SIG et la télédétection (RS), pour améliorer notre compréhension des processus de perte de sol et de leur impact sur les ressources en eau. Dans cette présente étude, deux modèles empiriques ont été appliqués dans le bassin versant du barrage de Beni Haroun: L'équation universelle révisée de perte en sol (RUSLE) et développée par Renard et al. (1997) sur la base de l'équation universelle de perte de sol (USLE) et la méthode de potentiel d'érosion (EPM), développée par Gavrilovi? dans les bassins versants de la rivière Morava en Serbie en 1962. Notre objectif en première partie consiste à déterminer la distribution spatiale de la densité d'érosion et d'estimer l'érosion annuelle moyenne des sols, en fonction des facteurs liés au climat, sol, végétation et la topographie. En plus de cartographier et d'analyser la variance entre la carte topographique (2003) et le levé bathymétrique (2013) du barrage de Beni Haroun. La comparaison des relevés bathymétriques permettant de spatialiser les différentes profondeurs du barrage et de connaître le pourcentage de réduction de la capacité de stockage résultant du phénomène d'érosion des sols. Après cela, une modélisation de transport solide en utilisant les approches d'intelligence artificielle ont été utilisées pour simuler la charge de sédiments en suspension (Qs) au pas de temps journalier, à travers ; la capacité de quatre algorithmes de modélisation, à savoir la forêt aléatoire (RF), l'arbre aléatoire (RT), Comité aléatoire (RC) et l'algorithme KStar. Enfin, une modélisation Pluie-Débit par HEC-HMS et des modèles hybrides a été élaborée. La relation pluie-débit est examinée selon la méthode SCS-CN et SCS unit hydrographe basée sur le model numérique de terraine (MNT), type des sol, l'occupation du sol, afin de simuler l'écoulement dans le bassin versant à l'exutoire. Pour l'applicabilité de la méthode, premièrement, les caractéristiques physiques du bassin sont compilées dans l'environnement Arc-GIS. Par la suite, des paramètres liés aux propriétés physiques du terrain sont traités. Le modèle HEC-HMS est ensuite utilisé pour estimer la modélisation pluie-débit à la fois à l'échelle de la crue et à l'échelle journalière. Dans notre approche, nous utilisons un modèle semi-distribué développé avec HEC-HMS et un modèle hybride qui intègre les sorties du modèle semi-distribué avec des algorithmes d'apprentissage automatique. Ces modèles sont utilisés pour la prediction pluie-débit à la fois à l'échelle des crues et à l'échelle journalière dans le bassin versant de Beni Haroun. Les performances des modèles ont été évaluées à l'aide de l'erreur quadratique moyenne (RMSE), de l'efficacité de Nash - Sutcliffe (NSE), le coefficient de détermination (R2), le diagramme de Taylor et le graphique Violine. The fact that the world is facing water-related challenges has become increasingly evident in recent years.These challenges are still widespread and reflect serious problems in the management of water resources. The need to understand the behavior of flows within the catchment area and at the level of rivers is essential, whether for resource management, for prevention of risks caused by major floods, or for improving the quality of waterways. In light of the rapid development of geographic information systems and their ability to analyze data provided by remote sensing technologies, it has become imperative to seek traditional models of soil loss, which can be combined with GIS and remote sensing (RS), to improve our understanding of soil loss processes and their impact on water resources. In this present study, two empirical models were applied in the catchment area of the Beni Haroun dam: The Revised Universal Soil Loss Equation (RUSLE) and developed by Renard et al. (1997) based on the Universal Soil Loss Equation (USLE) and Erosion Potential Method (EPM), developed by Gavrilovi? in the watersheds of the Morava River in Serbia in 1962. Our first objective part is to determine the spatial distribution of erosion density and to estimate the average annual soil erosion, depending on factors related to climate, soil, vegetation and topography. In addition, to mapping and analyzing the variance between the topographic map (2003) and the bathymetric survey (2013) of the Beni Haroun dam. The comparison of the bathymetric surveys making it possible to spatialize the different depths of the dam and to know the percentage of reduction in the storage capacity resulting from the soil erosion phenomenon. After that, sediment transport modeling using artificial intelligence approaches were used to simulate the suspended sediment load (Qs) at daily time step, through; the ability of four modeling algorithms, namely Random Forest (RF), Random Tree (RT), Random Committee (RC) and KStar algorithm. Finally, Rainfall-Runoff modeling by HEC-HMS and hybrid models was developed. The rainfall-runoff relationship is examined using the SCS-CN and SCS unit hydrograph method based on the digital elevation model (DEM), soil type, land cover, to simulate the flow in the watershed at the outlet. For the method's applicability, first, the physical characteristics of the basin are compiled in the Arc-GIS environment. Subsequently, parameters related to the physical properties of the terrain are processed. The HEC-HMS model is then employed to estimate rain-flow modeling at both the flood scale and the daily scale. In our approach, we utilize a semi-distributed model developed with HEC-HMS and a hybrid model that integrates the semi-distributed model's outputs with machine learning algorithms. These models are used for rainfall-runoff prediction both at the flood scale and the daily scale within the Beni Haroun watershed. Model performance was evaluated using root mean square error (RMSE), Nash-Sutcliffe efficiency (NSE), coefficient of determination (R2), Taylor diagram and the Violin chart.
  • No Thumbnail Available
    Item
    Modélisation pluie-débit et débits de crues en milieu semi-aride par différentes méthodes statistiques et modèles hydrologiques
    (Université De Larbi Ben M’hidi Oum EL Bouaghi, 2022) Aoulmi, Yamina; Marouf, Nadir; Amireche, Mohamed
    Le développement de modèles pluie-débit fiables peut offrir des informations utiles pour la planification et la gestion des ressources en eau. Dans un contexte de simplicité, la modélisation par un modèle Génie Rural (GR), qui est le modèle GR4j (modèle du Génie Rural à 4 paramètres Journalier) a l’avantage de n’exiger que des séries de données météorologiques (pluie, ETP) et hydrométrique (débit) au pas de temps journalier. L'utilisation du réseau de neurones artificiels (RNA) pour adopter de tels modèles et prévoir les changements dans le débit est devenue populaire parmi de nombreux hydrologues depuis longtemps. L'intégration d'approches d'optimisation heuristiques modernes avec RNA pour augmenter ses performances, a attiré beaucoup d'attention. D'un autre côté, un apprentissage en profondeur d'un réseau de neurones convolutifs (CNN) a récemment suscité un intérêt remarquable de la part des chercheurs, et tout comme RNA, son intégration avec des outils heuristiques améliore davantage son efficacité. Ce travail de recherche vise en premier lieu, de simuler la transformation de la pluie en débit journalier dans le bassin de la Seybouse situé dans une région semi-aride en Algérie, en utilisant le modèle conceptuel GR4J. Les mauvais résultats obtenues par ces models, nous incité de changer l’axe d’application vers les modèles boite noire notamment les RNA dans un premier temps. Par ailleurs, tester la faisabilité d’utilisation de RNA avec quatre configurations d'entrée pour modéliser toujours les débits journaliers dans le même bassin. La 1er RNA IP ne considère que les précipitations comme variable d'entrée. La 2e RNA IIP,ETP, RNA IIP,T, RNA IIP,HUM, RNA IIP,Vv considère un 2e variable dans l'entrée du modèle avec les précipitations (évapotranspiration, température, humidité ou vitesse du vent). La troisième RNA IIIP,T,HUM combine la température, l'humidité et les précipitations. Le dernier RNA VP,ETP,T,HUM,Vv consiste à collationner les différents paramètres météorologiques avec les précipitations comme variable d'entrée. Les modèles RNA sont conçus pour l'ensemble du bassin avec les mêmes configurations que celles spécifiées ci-dessus. De meilleures simulations de débit ont été fournies par RNA IIP,T et RNA IIP,Vv pour les deux stations de Medjez-Amar II et Bordj-Sabath, respectivement. Cependant, l’application de RNA VP,ETP,T,HUM,Vv pour les autres stations et également pour l'ensemble du bassin reflète une stratégie pour la simulation de débit et montre une amélioration de la précision de prédiction par rapport aux autres configurations. Les quatre configurations des modèles neuronaux sont plus performantes que le modèle GR4j pour les six stations d’étude. Après cela, vérifier l'efficacité de l'intégration de modèles RNA avec les algorithmes métaheuristiques; l’algorithmes génétiques GA, l’optimisation d'essaim de particules PSO, l’algorithme de luciole FFA et l’optimisation d'essaim de particules améliorée IPSO, également pour la modélisation du débit journalier , où l'entrée des modèles était constituée des précipitations et du débit antérieurs. Les résultats de l'analyse dans toutes les stations d'étude ont révélé que le modèle RNA-IPSO dépasse RNA-GA, RNA-PSO et RNA-FFA dans l'estimation du débit. Par conséquent, l'algorithme métaheuristique hybride IPSO est la meilleure technique pour améliorer la capacité de RNA dans la modélisation pluie-débit journalier. Enfin, examiner un apprentissage en profondeur autonome d'un réseau de neurones convolutifs (CNN) et un réseau amélioré utilisant un algorithme compétitif impérialiste (ICA) et une optimisation du loup gris (GWO) pour prédire le débit horaire à plusieurs échelles, allant de 100 km2 à plus de 6000 km2 dans le bassin d'étude. L'ensemble de données de réanalyse atmosphérique, ERA5 avec une résolution de 31 km généré par le Centre européen de prévisions météorologiques à moyen terme, des indices de variabilité climatique et des observations de débit in situ ont été utilisés dans la modélisation des débits de crues. L’analyse en composante principale a été utilisée pour identifier les variables d'entrée les plus significatives. Les résultats aux six stations d'étude révèlent que les modèles avec des indices climatiques sont plus performants, en particulier pour prédire les débits extrêmes dans les bassins avec des zones de drainage comprises entre 200 km2 et 2000 km2, que les modèles avec uniquement des données atmosphériques comme entrées. Le modèle CNN-GWO a surpassé CNN-ICA et le modèle autonome pour prédire le débit avec une NSE améliorée jusqu'à 0,99. Developing trustworthy rainfall-runoff (R-R) models can offer serviceable information for planning and managing water resources. In a context of simplicity, modeling by an Agricultural Engineering (GR) model, which is the GR4j model (Agricultural Engineering model with 4 daily parameters) has the advantage of only requiring series of meteorological data (rainfall, ETP ) and hydrometric (flow) in daily time steps. Use of artificial neural network (RNA) in adopting such models and predicting changes in runoff has become popular among many hydrologists from a long time. Integrating modern heuristic optimization approaches with RNA to increase its performance has attracted a lot of attention. On the other side, a deep learning of a convolutional neural network (CNN) has gained remarkable interest by researchers recently, and similar to RNA its integration with heuristic tools improves more its effectiveness. This research aims firstly to simulate the transformation of rainfall into daily flow in the Seybouse basin located in a semi-arid region in Algeria, using the GR4J conceptual model. The poor results obtained by these models prompted us to change the axis of application to black box models, in particular ANN, at first. Thus, test the feasibility of using RNA with four input configurations to model the daily runoff relationship in the same basin. The 1st RNA IP only considers precipitation as an input variable. The 2nd RNA IIP,ETP, RNA IIP,T, RNA IIP,HUM, RNA IIP,Vv considers a 2nd variable in the model input with precipitation (evapotranspiration, temperature, humidity or wind speed). The third RNA IIIP,T,HUM combines temperature, humidity and precipitation. The last RNA VP,ET, T,HUM,Vw consists of collating the various meteorological parameters with precipitation as input variable. RNA models are made for the entire basin with the same configurations as specified above. Better flow simulations were provided by RNA IIP,T and RNA IIP,Vv for the two stations of Medjez-Amar II and Bordj-Sabath, respectively. However, the RNA VP,ET, T,HUM,Vw’s application for the other stations and also for the entire basin reflects a strategy for the flow simulation and shows enhancement in the prediction accuracy over the other configurations. The four configurations of the neural models perform better than the GR4j model for the six study stations. After that, test the efficiency of integrating RNA models with the metaheuristic algorithms; Genetic Algorithms GA, Particle Swarm Optimization PSO, Firefly Algorithm FFA and improved Particle Swarm Optimization IPSO, also for daily runoff modeling, where the model’s input was made up of antecedent’s rainfall and runoff. The results of the analysis at all study stations revealed that the RNA-IPSO model outperforms RNA-GA, RNA-PSO and RNA-FFA in runoff estimation. Therefore, IPSO hybrid metaheuristic algorithm is the best technique to improve the RNA capability in daily rainfall-runoff modeling. Finally, examine a standalone deep learning of a convolutional neural network (CNN) and improved one utilizing an imperialist competitive algorithm (ICA) and a gray wolf optimization (GWO) to predict hourly runoff at multiple scales, ranging from 100 km2 to over 6000 km2 in the study Basin. The atmospheric reanalysis dataset, ERA5 with a 31 km resolution generated by the European Centre for Medium-Range Weather Forecasts, climate variability indices and in-situ runoff observations were used in the development of the proposed modeling technique. The principal component analysis technique was used to identify the most significant input variables. Results at the six study stations disclose that models with climate indices, perform better especially in predicting extreme runoffs in basins with drainage areas between 200km2 and 2000km2 than the models with only atmospheric data as inputs. The CNN-GWO model outperformed CNN-ICA and standalone model in predicting runoff with improved NSE up to 0.99. يمكن أن يوفر تطوير نماذج موثوقة للسيول المائية معلومات مفيدة لتخطيط موارد المياه وإدارتها. في سياق البساطة ، تتميز النمذجة بواسطة نموذج الهندسة الزراعية (GR) ، وهو نموذج GR4j (نموذج الهندسة الزراعية مع 4 معلمات يومية) بميزة تتطلب فقط سلسلة من بيانات الأرصاد الجوية (المطر ، ETP) والقياس الهيدرومتري (التدفق) في خطوات الوقت اليومي. أصبح استخدام الشبكة العصبية الاصطناعية (RNA) لتبني مثل هذه النماذج والتنبؤ بالتغيرات في التدفق شائعًا بين العديد من علماء الهيدرولوجيا لفترة طويلة. جذب دمج مناهج التحسين الارشادية الحديثة مع RNA لزيادة أدائها الكثير من الاهتمام. من ناحية أخرى ، جذبت الشبكة العصبية التلافيفية للتعلم العميق (CNN)مؤخرًا اهتمامًا ملحوظًا من الباحثين ، تمامًا مثل RNA ، يؤدي دمجها مع مناهج التحسين الارشادية إلى تحسين كفاءتها. يهدف هذا العمل البحثي أولاً إلى محاكاة تحويل هطول الأمطار إلى تدفق يومي في حوض سيبوس الواقع في منطقة شبه قاحلة في الجزائر ، باستخدام النموذج المفاهيمي GR4J. دفعتنا النتائج الضعيفة التي حصلت عليها هذه النماذج إلى تغيير محور التطبيق إلى نماذج الصندوق الأسود ، ولا سيما RNA ، في البداية. بالإضافة إلى ذلك ، اختبر جدوى استخدام RNA مع أربعة تكوينات للمدخلات لنمذجة التدفقات اليومية دائمًا في نفس الحوض. الأول RNA IP يأخذ بعين الاعتبار إلا هطول الأمطار فقط كمتغير إدخال. يعتبر الثاني RNA IIP,ETP, RNA IIP,T, RNA IIP,HUM, RNA IIP,Vv متغيرًا ثانيًا مع هطول الأمطار (التبخر ، نتح الحرارة ، الرطوبة أو سرعة الرياح) في إدخال النموذج. يجمع الثالث RNA IIIP,T,HUM بين درجة الحرارة والرطوبة وهطول الأمطار. يتكون الاخير RNA VP,ETP,T,HUM,Vv من تجميع مختلف معلمات الأرصاد الجوية مع هطول الأمطار كمتغير إدخال. تم تصميم نماذج RNA للحوض بأكمله بنفس التكوينات على النحو المحدد أعلاه. تم توفير محاكاة أفضل للتدفق بواسطة RNA IIP,T و RNA IIP,Vv لمحطتي Medjez-Amar II و Bordj-Sabath ، على التوالي. إلا أن، تطبيق RNA VP,ETP,T,HUM,Vv للمحطات الأخرى وأيضًا للحوض بالكامل يعكس استراتيجية لمحاكاة التدفق ويظهر تحسنًا في دقة التنبؤ مقارنة بالتكوينات الأخرى. تعمل التكوينات الأربعة للنماذج العصبية بشكل أفضل من نموذج GR4j لمحطات الدراسة الست. بعد ذلك ، التحقق من كفاءة دمج نماذج RNA مع خوارزميات metaheuristic ؛ الخوارزميات الجينية GA ، تحسين حشد الجسيمات PSO ، خوارزمية اليراع FFA و خوارزمية تحسين سرب الجسيمات المحسنة IPSO، أيضًا لنمذجة التدفق اليومي ، حيث تم تشكيل مدخلات النماذج من هطول الأمطار والتدفقات السابقة. كشفت نتائج التحليل في جميع محطات الدراسة أن نموذج RNA-IPSO يتفوق على أداء RNA-GA و RNA-PSO و RNA-FFA في تقديرالتدفق. لذلك ، تعد الخوارزمية الهجينة IPSO هي أفضل تقنية لتحسين قدرة RNA في نمذجة التدفق اليوميً. أخيرًا ، فحص الشبكة العصبية التلافيفية ذات التعلم العميق (CNN) وشبكة محسّنة باستخدام خوارزمية إمبريالية تنافسية (ICA) وتحسين الذئب الرمادي (GWO) للتنبؤ بالتدفق الساعي على نطاقات متعددة ، تتراوح من 100 كيلومتر مربع إلى أكثر من 6000 كيلومتر مربع في منطقة الدراسة. تم استخدام مجموعة بيانات إعادة تحليل الغلاف الجوي ، ERA5 بدقة 31 كم التي تم إنشاؤها بواسطة المركز الأوروبي للتنبؤات الجوية متوسطة المدى ، ومؤشرات تقلب المناخ ورصد التدفق في الموقع في نمذجة تدفق الفيضانات. تم استخدام تحليل المكون الرئيسي لتحديد أهم متغيرات المدخلات. كشفت النتائج في محطات الدراسة الست أن النماذج ذات المؤشرات المناخية تعمل بشكل أفضل ، خاصة في التنبؤ بالتدفقات الشديدة في الأحواض مع مناطق الصرف بين 200 كيلومتر مربع و 2000 كيلومتر مربع ، مقارنة بالنماذج التي تحتوي على بيانات الغلاف الجوي فقط كمدخلات. تفوق نموذج CNN-GWO على CNN-ICA والنموذج المستقل في التنبؤ بالتدفق مع NSE محسن حتى 0.99.