Les réseaux de neurones pour prédire la biodiversité des poissons en eau courante
Résumé
Les communautés de poissons dépendent étroitement des caractéristiques de l'environnement aquatique où elles évoluent. Pour modéliser ces relations complexes et a priori non linéaires, nous testons les possibilités offertes par les réseaux de neurones. Nous disposons pour cela d'une importante base de données de pêches électriques réalisées sur l'ensemble du bassin de la Seine. Les principaux problèmes rencontrés concernent l'architecture du réseau et la constitution des bases d'apprentissage et de test. Les premiers résultats obtenus sur 18 espèces montrent que la prédiction, en termes, de présence ou d'absence, à partir de huit descripteurs synthétiques est pertinente. Des améliorations à confirmer laissent entrevoir d'intéressantes perspectives en matière de gestion. / Fish communities are closely dependent on the characteristics of the aquatic environnement in which they evolve. We have investigated the use of neural networks for modelling those complex non-linear relationships. This study is based on a large database of electric fishing carried out in the whole Seine basin. The basic problems raised by the use of neural network are twofold : on the one hand the network architecture is to be chosen by a trial-and-error procedure, and on the other hand the training and test sets are to be wisely chosen. The first experiments have been driven using eight empirical input parameters on 18 different species. The results show a reasonnably good accuracy in the prediction of presence or absence of fish. Further experiments are still requiered to confirm this results, but the latter already show interesting possibilities for environmental management.
Domaines
Sciences de l'environnement
Origine : Fichiers éditeurs autorisés sur une archive ouverte