A multimodel weighting decision process for real time flood forecasting application to the upper Garonne watershed
Procédure de décision multimodèle pour une prévision des crues en temps réel. Application au bassin supérieur de la Garonne
Résumé
This article describes a decision process for real-time flood forecasting. A method is presented which combines the results of different models with weights adapted to the state of the flood forecasting system. Each model has specific performances when it is calibrated, and has a specific sensitivity to each perturbation that can occur. The results (forecast) of all of these models are cross-related. For a wide class of adequacy criteria, the best estimate of the variable to be predicted is a linear combination of these results. In that combination the weight of each model forecast is strongly linked to the model's relative performance. For a specific perturbed environment (we will call it a state of the hydrologic-hydrometric system) the performance of some sensitive models decreases but others may remain stable. Optimal weights are therefore specific for each state of the system. When states can be pre-specified, the decision process splits into two different steps . During a first diagnostic step, using various tests among all collected data, the probability of being in each state is estimated. During the second step, optimal weights of the model are computed, using the error covariance matrix for all models in each state of the system. A simplified procedure has thus been developed based on the basic idea that only normal state can be easily identified.
Cet article décrit une procédure de décision destinée à la prévision des crues en temps réel. La méthode proposée permet de combiner les résultats de différents modèles avec une pondération adaptée aux conditions de fonctionnement du système de prévision. Les résultats de ces modèles étant corrélés, la décision optimale est par conséquence une combinaison linéaire de la décision qui peut être prise dans chaque état du système, pondérée par la probabilité de se trouver dans une configuration donnée. Dans le cadre d'un système de prévision exploitant le résultat de plusieurs modèles, la procédure se décompose en deux étapes. Pendant la première étape, après analyse de l'ensemble des informations collectées, on détermine les états possibles du système. La deuxième étape établit une prévision en calculant des poids optimaux accordés à chaque modèle en fonction des différentes configurations. Une procédure simplifiée a été développée identifiant seulement deux états du système : le premier où tout fonctionne correctement et le deuxième déterminé à partir des derniers pas de temps connus.