Estimation du débit solide en rivière par algorithme ensembliste et régression stochastique

La gestion des rivières et la protection contre les risques naturels, tels que l’érosion et les crues, dépendent des estimations et des modélisations du transport sédimentaire dans les écoulements à surface libre. Ces phénomènes sont complexes et influencés par une multitude de facteurs, incluant les conditions hydrauliques et physiographiques des rivières et leurs caractéristiques sédimentaires. Bien que des équations classiques existent pour estimer ce transport, leurs performances varient en fonction des conditions spécifiques rencontrées, ce qui limite leur efficacité dans des situations plus complexes ou extrêmes. Cette thèse présente le développement et l’évaluation de nouveaux algorithmes visant à améliorer l’estimation du transport sédimentaire par charriage dans les écoulements à surface libre. L’objectif principal est de proposer un algorithme intégrant la régression par processus gaussien (RPG) et un algorithme ensembliste, utilisant les conditions hydrauliques, physiographiques et sédimentaires propres aux rivières. Le développement de modèles plus précis est essentiel pour une meilleure gestion des rivières, notamment dans le cadre de l’ingénierie fluviale, la protection contre l’érosion et la gestion des crues. La recherche se fonde sur une approche méthodologique intégrée combinant des données expérimentales, issues d’expérimentations en laboratoire, et des données extraites de la littérature. Un ensemble de 11 463 données provenant de diverses études a été utilisé pour calibrer et valider les algorithmes développés. Les performances des algorithmes ont été comparées aux équations classiques de transport solide, telles que celles de Meyer-Peter, Yang, et Ackers-White, en se basant sur des critères de performance comme la racine carrée de l’erreur quadratique moyenne (RMSE) et la moyenne des rangs. Ces critères permettent d’évaluer la qualité des estimations pour différentes concentrations de sédiments. Les expérimentations en laboratoire ont permis de valider les performances des algorithmes sur trois types de sédiments : le gravier, le sable grossier et le sable fin. Les tests ont été réalisés dans un canal rectangulaire avec une pente longitudinale de 0,4% et un débit maximal de 0,08 m3/s. Les résultats montrent que la régression par processus gaussien se classe parmi les cinq meilleures équations pour les trois types de sols, avec des performances particulièrement remarquables pour le sable fin. L’algorithme ensembliste, quant à lui, offre des résultats compétitifs pour le gravier et le sable grossier, mais est moins performant pour le sable fin, probablement en raison de la complexité des interactions hydrauliques et sédimentaires à faible granulométrie.