Les conditions de visibilité réduite et/ou de plafond bas ont un impact important sur le trafic aérien au sein des aéroports et leur prévision reste un défi pour les météorologues. Dans cet article, les caractéristiques locales des conditions LVP (Low Visibility Procedure) sont examinées et les réseaux neurones artificiels (ANN) basé sur la rétropropagation résiliente en tant qu’algorithme d’apprentissage supervisé est utilisé pour prévoir ces conditions météorologiques à l’aéroport international Mohamed V de Casablanca, au Maroc. Cet article vise à évaluer la capacité de l’ANN à fournir une prévision précise de tels événements à l’aide des paramètres météorologiques de la station d’observation météorologique automatique (AWOS) pour la période allant de janvier 2009 à mars 2015.
Premièrement, les conditions LVP ont été classées en fonction de leurs classes (LVP avec brouillard et LVP sans brouillard) et de leurs sources (portée visuelle de piste-RVR, plafond -HCB LVP- ou les deux) aux deux bouts de la piste (35R et 17L). On constate que la plupart des conditions de LVP sont associées au brouillard et sont souvent dues à une diminution de la RVR en dessous de 600 m. Ensuite, onze ANN ont été développés pour produire une prévision LVP pour des heures de prévision consécutives, couvrant la nuit et le début de la matinée. L’architecture MLP (Multi-Layer Perceptron) avec une couche cachée est utilisée dans cette étude. Les résultats montrent que les ANN sont capables de bien prédire les conditions de LVP et sont robustes aux erreurs dans les paramètres d’entrée pour une erreur relative inférieure à 10%. En outre, il a été constaté que la performance de l’ANN est moins sensible aux prévisions de type LVP.
Comment citer cet article ?