SYSTEME HYPRIDE POUR LA PREDICTION DE LA VITESSE DU VENT BASE SUR L’ANALYSE DISCRIMINANTE LINEAIRE (LDA) ET PROCESSUS GAUSSIEN (GP)

dc.contributor.authorDJOUHAINA, DJELLAB
dc.contributor.authorRIM, YOURMECHE
dc.date.accessioned2019-07-14T12:41:59Z
dc.date.available2019-07-14T12:41:59Z
dc.date.issued2019
dc.description.abstractActuellement l'énergie éolienne est l'énergie renouvelable la plus importante source dans le monde, elle est devenue de plus en plus utilisable. Cette énergie est caractérisée par sa discontinuité qui est causée par sa nature. Cette discontinuité affecte considérablement sur le réseau électrique. Pour une bonne exploitation de l'énergie éolienne et aussi pour la bonne gestion de l'énergie électrique du réseau électrique, alors la prédiction de la vitesse du vent est devenue très importante. Les valeurs prédites du vent peuvent être utilisées dans des différentes applications, telles que la conception des parcs éoliens, estimation du potentiel énergétique éolien,...etc. De nombreux modèles de prédiction des séries temporelle existent dans la littérature. Les plus utilisés sont la moyenne mobile intégrée autorégressive (ARIMA), les réseaux de neurones artificiels (ANN) et les machines à vecteurs de support (SVM). Dans ce travail on va proposer une nouvelle méthode de l'apprentissage automatique qui est basé sur une méthode de combinaison (Hybride) entre Analyse Discriminante Linéaire (LDA) et Processus Gaussien (GP) pour obtenir des valeurs futures de la vitesse du vent avec une meilleure précision de prédiction.en_US
dc.identifier.otherEL/INST002/19/715
dc.identifier.urihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/14968
dc.language.isofren_US
dc.publisherUNIVERSITE MOHAMED BOUDIAF - M’SILAen_US
dc.subjectAnalyse Discriminante Linéaire, Processus Gaussien, Apprentissage Automatique, Série Temporelles, Prédiction, Vitesse du Vent.en_US
dc.titleSYSTEME HYPRIDE POUR LA PREDICTION DE LA VITESSE DU VENT BASE SUR L’ANALYSE DISCRIMINANTE LINEAIRE (LDA) ET PROCESSUS GAUSSIEN (GP)en_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
715.pdf
Size:
6.88 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections