Application des réseaux de neurones artificiels pour l’estimation des lacunes dans les enregistrements de précipitation : Application sur le bassin versant de la Soummam
| dc.contributor.author | OUANAS, Hanane | |
| dc.contributor.author | LAMOUAT, Manel | |
| dc.contributor.author | Enca/ DJERBOUAI., S | |
| dc.date.accessioned | 2022-09-22T10:03:06Z | |
| dc.date.available | 2022-09-22T10:03:06Z | |
| dc.date.issued | 2022-09-22 | |
| dc.description.abstract | Les analyses hydrologiques dépendent principalement de la disponibilité des données pluviométriques, bien que les problèmes liés aux données soient communs et qu'il existe différentes raisons pouvant résulter d'un défaut de la station d'enregistrement, de la variation temporelle et spatiale du phénomène pluviométrique et de son complexité physique. Dans ce travail nous avons fait une comparaison entre les différentes méthodes utilisées pour le comblement des lacunes pluviométriques mensuelles. Deux types de méthodes ont été utilisées dans le présent travail : Les méthodes classiques : IDWM, CCWM. Les méthodes basées sur l’intelligence artificielle : Les réseaux de neurones artificiels (Apprentissage en profondeur) et les algorithmes génétiques FFSGAM. L'étude a été menée dans le bassin versant de la vallée du Soummam, qui porte le numéro (15) selon la numérotation de l'Agence nationale des ressources en eau, en utilisant les valeurs de pluie enregistrées dans cinq stations d'enregistrement. L’évaluation des méthodes utilisées a été faite en se basant sur les meilleurs critères de comparaison, et au final, nous avons conclu que : Toutes les méthodes ont donné de bons résultats et la méthode ANN a donné des résultats plus performants que toutes les autres méthodes. | en_US |
| dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/32090 | |
| dc.language.iso | fr | en_US |
| dc.publisher | university of M'sila | en_US |
| dc.subject | Bassin de Souamam ;Intelligence artificielle ; Réseaux de neurones ;Apprentissage profond ; Algorithmes génétiques ; Méthodes de pondération ; Estimation des données manquantes. | en_US |
| dc.title | Application des réseaux de neurones artificiels pour l’estimation des lacunes dans les enregistrements de précipitation : Application sur le bassin versant de la Soummam | en_US |
| dc.type | Thesis | en_US |