Résumé
L’aptitude des réseaux de neurones artificiels (RNA) à modéliser les relations pluie-débit des aquifères karstiques a été évaluée sur le karst de La Rochefoucauld (Sud-Ouest de la France), qui fournit l’eau potable à la capitale régionale Angoulême. Un modèle RNA a été développé à cet effet, basé sur les réseaux PMC (Perceptron Multicouche) et l’algorithme d’optimisation de Levenberg-Marquardt. Les données de pluie utilisées concernent la pluie brute, sans transformation en pluie efficace, ce qui permet de s’affranchir de certaines hypothèses simplificatrices non vérifiables. Les données de pluie brute et de débit ont été réparties en 3 groupes pour l’apprentissage, la validation et le test de prédiction du RNA. Les phases d’apprentissage et de validation ont permis d’aboutir à une calibration très satisfaisante du modèle RNA. La tentative de prédiction a montré que le RNA est apte à simuler les débits de l’aquifère karstique à partir de la pluie brute. La forme des hydrogrammes simulés est semblable à celle des hydrogrammes réels. Les résultats obtenus sont très encourageants et permettent d’envisager des perspectives intéressantes et nouvelles de modélisation des aquifères karstiques, qui sont des systèmes hautement non-linéaires.