Hydrologie urbaine UV UB08

Analyse statistiques des pluies

1
 Plan du cours
1. Rappel statistiques
1. Un échantillon, population, variable aléatoire
2. Loi de probabilité
3. Variable réduite
2. Evaluation des intensités maximales
3. Échantillonnage d’une série pluviométrique
4. Ajustement d’une série de pluie
5. Intervalle de confiance
6. Courbes IDF

2
1- rappels statistiques
 Population : ensemble fini ou infini d’événements.
 Echantillon : sous-ensemble de la population.
 Variable aléatoire : l’ensemble des événements
possible d’une expérience aléatoire.
 Loi de probabilité
 Période de retour

3
2- évaluation de l’intensité maximale
Intensité maximale d’un événement pluvieux :
pas de temps fixe

10 6.5 mm
9
8

7
6
5
4
3
2
1
0

4
2- évaluation de l’intensité maximale
Intensité maximale d’un événement pluvieux : pas de
temps mobile

10
8.5 mm
9
8

7
6
5
4
3
2
1
0

5
3- construction d’un échantillon à analyser

1 valeur par an
Imax (1)

6
3- construction d’un échantillon à analyser
Intensités > s

7
3- construction d’un échantillon à analyser
N valeurs par an
Imax(2)

Imax(1)

8
 4- Ajustement d’une série
Caractéristiques statistiques d’une série de pluies

•Valeur moyenne, tendance centrale ou dominante :

moyenne, médiane, mode.
•Dispersion ou fluctuation autour de la valeur centrale :
écart-type, quantile.
•Distribution des valeurs de la série

9
Exemple d’analyse descriptive des données

Pluies maximales annuelles

350
350
300
300
250
250 Imax
Imax
200
200 Moyenne
Moyenne
150
150 Moy+/-ecart-type
Moy+/-ecart-type
100
100 médiane
50
50
00
76
76 81 86 91

10
4- distribution empirique des valeurs de la
série
Statistique de rang

 Classer les n valeurs par ordre croissant

 Affecter à chaque valeur un rang i
 Calculer la fréquence expérimentale F xi   prob X  xi   i  0.5
n

Tx i  
1 Na
 Notion de période de retour 
1  Fx i  N

11
 4- Ajustement d’une loi
Les loi statistiques en hydrologie
 Loi des valeurs moyenne :
 Loi normale
 Log-normale
 Loi des valeurs extrêmes :
 Loi exponentielle
 Loi généralisée des valeurs extrêmes
 Loi de Gumbel
 Loi de Frechet

12
 4- Ajustement d’une loi
Expression des différentes lois : Fonctions de répartition

x-
Loi exponentielle : Fx   e u
u

e  u x-
Loi de Gumbel : Fx   e u

1 u 1 /   x-
Loi de GEV : Fx   e u


log x - x 0  - 
Loi de Frechet : F x   e e u
u


13
 4- Ajustement d’une loi
Rappels de statistique (suite)
 Calage des paramètres d’une loi :
 Méthode des moments
On écrit :
 1 n
   x f x, , ,   dx  x   x i
 n i1
 1 n
 2   x    f x, , ,  
2
dx  s 2x   x i  x 
2
 n  1 i1
 n
 3   x    f x, , ,   dx  m 3   x i  x 
3 n 3
 n  1n  2 i1

14
 5- Intervalle de confiance

T x    F x   1 
1 Na Na
 x
1  F x  N N  T x 


On appelle intervalle de confiance à % sur l’estimateur d’une
x
valeur x, l’intervalle formé par les deux bornes x1 et x2 telle que
l’on ait % de chances d’avoir x1<x<x2.

Chaque loi a une expression de son intervalle de confiance

15
 6- Courbes IDF

Corollaire 1 :
Pour une même fréquence
d ’apparition, l ’intensité d ’une pluie
est d ’autant plus forte que sa durée
Imax (mm/h)

est courte.

Corollaire 2 :
T1>T2 A durée égale, une
T2 précipitation sera d ’autant plus
Durée intense que sa période de retour sera
d grande.

16
 6- Courbes IDF : Construction
1. Echantillonnage des intensités maximales à # pas
de temps (5 min, 10 min, 30 min, 60 min, 120
min, 240 min…).
2. Etude statistique de chaque échantillon.
3. Calcul des intensités maximales pour différentes
périodes de retour et différents pas de temps.

17
6- Courbes IDF : résultat attendu

90
80 T =1 an
70 T =2 ans
Imax (mm/h)

60
T =5 ans
50
T =10 ans
40
30
20
10
0
0 20 40 60 80
Pas de te mps (min)

F(x) 4 8 16 32 64
T=1 an 0,578947 50,88945 39,78235 29,00963 20,07083 12,95442
T=2 ans 0,789474 60,5917 49,05913 34,70598 23,98517 14,93314
T=5 ans 0,915789 72,03451 60,00013 41,42423 28,60174 17,26684
T=10 ans 0,957895 80,31571 67,91817 46,28625 31,94276 18,95574
18
 6- Courbes IDF : modélisation
 Modèle de Montana : I max  a  d b

a
I max 
 Modèle de Talbot :
d  bc

a
 Modèle de Keifer-Chu : I max 
d b  c

19
6- En France…

20