Les réseaux de neurones artificiels (ANN) sont une méthode de calcul d'inspiration biologique qui peut recevoir de grandes quantités de données, trouver des modèles, apprendre d'eux et ensuite développer des prédictions pour les événements futurs. Ils ont été proposés comme un outil utile pour traiter les relations complexes entre de grandes quantités de données liées à la transformation des précipitations en ruissellement. Cette relation est l'un des problèmes hydrologiques les plus difficiles auxquels sont confrontés les gestionnaires des ressources en eau.

Des chercheurs de l'Universiti Putra Malaysia ont « enseigné » un ANN à prédire le ruissellement quotidien de la rivière Bertam dans le réservoir Ringlet à 200 kilomètres au nord de Kuala Lumpur. Ils ont collecté des données quotidiennes sur les précipitations et le débit des cours d'eau du bassin versant de la rivière Bertam sur une période de dix ans, de 2003 à 2012, et estimation de l'évaporation quotidienne de l'eau à l'aide des données de température recueillies à partir de la station la plus proche du réservoir. Soixante-dix pour cent de ces données ont été entrées dans le modèle pour l'entraîner tandis que les 30 % restants des données ont été utilisées pour tester la précision du modèle à l'aide de mesures d'évaluation statistique. L'ANN a été développé pour cartographier la relation entre les précipitations et le ruissellement. Plus on utilise de facteurs, plus les résultats sont précis. L'ANN a pu prédire le débit de la rivière dans le réservoir avec une précision de 76 %.

"Les résultats indiquent que le réseau de neurones artificiels est un outil puissant pour modéliser le ruissellement des précipitations, " rapportent les chercheurs dans un Revue Pertanika des sciences et de la technologie étudier. « Les résultats obtenus pourraient aider les gestionnaires des ressources en eau à exploiter correctement le réservoir en cas d'événements extrêmes tels que les inondations et la sécheresse, " ajoutent-ils.

Le pouvoir prédictif de l'ANN pourrait être amélioré en incluant des intrants supplémentaires tels que la déforestation, les activités agricoles et l'utilisation des terres, disent les chercheurs.