High-accuracy reconstruction of water levels through integrating physics-based and data-driven models: application to the Seine estuary
Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
An accurate understanding of river dynamics is vital for preserving ecosystems, supporting economic activities, and tackling climate challenges. This study presents a hybrid modelling approach that combines physics-based models with deep learning to reconstruct high-frequency, long-term water levels in the Seine Estuary, Normandy, France. Deep learning – specifically bidirectional long short-term memory networks – enhances hydrodynamic model outputs by integrating diverse observational and meteorological data. The multi-process framework effectively captures spatial and temporal variability across hydrodynamic zones. Results show the hybrid model outperforms standalone physics-based and deep learning models, reducing RMSE by approximately 58% and improving accuracy by 50–65% during major storm events since 2017. Reconstruction quality is mainly influenced by the relevance of hydrodynamic outputs and observational data, while meteorological inputs play a lesser role due to their coarse resolution. These findings demonstrate the robustness and potential of hybrid models for accurate, reliable reconstructions and projections in complex river systems.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- High-accuracy reconstruction of water levels through integrating physics-based and data-driven models: application to the Seine estuary
- Date Crossref
- 26/11/2025
- Éditeur
- Informa UK Limited
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Centre National de la Recherche Scientifique pays non établi dans la noticeOrganisme public
-
Normandie Université pays non établi dans la noticeUniversité ou école supérieure
-
Centre d'Études et d'Expertise sur les Risques pays non établi dans la noticeOrganisme public
-
Centre National d'Études Spatiales pays non établi dans la noticeOrganisme public
-
Cerema Risques pays non établi dans la noticeInstitution
-
Université Caen Normandie pays non établi dans la noticeUniversité ou école supérieure
Centre National de la Recherche Scientifique, Normandie Université et Centre d'Études et d'Expertise sur les Risques, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.