Predicting the abundance of minnow Phoxinus phoxinus (Cyprinidae) in the River Ariège (France) using artificial neural networks

L'etude de l'abondance des petites especes de poissons comme le vairon est necessaire car ces especes jouent un role important dans la dynamique de la chaine alimentaire des rivieres a salmonides et cyprinides rheophiles. Dans cette etude, nous proposons l'utilisation des reseaux de neurones artificiels pour modeliser et predire l'abondance du vairon Phoxinus phoxinus a l'echelle du microhabitat. Les poissons ont ete echantillonnes par peche electrique selon la methode de l'echantillonnage ponctuel d'abondance. Dix variables du milieu ont ete prises en compte pour decrire l'environnement ponctuel des poissons : la distance a la berge, le pourcentage de blocs, de galets, de gravier, de sable, de vase et de marne, la profondeur et la vitesse du courant. Sur un total de 465 echantillons ponctuels d'abondance realises, nous avons etabli le modele de reseaux de neurones utilisant la procedure de validation croisee : par le processus de tirage aleatoire, nous avons isole 372 echantillons (soit 80 %) comme l'ensemble d'apprentissage et 93 echantillons restant (20 %) comme l'ensemble de test. Sur l'ensemble de test, la performance de prediction a atteint 92 %. Notre etude a montre ainsi les avantages de l'algorithme de la retropropagation de gradient du reseau de neurones pour une approche stochastique de l'ecologie des poissons non-salmonides.