Application de la Méthode de l'Analyse Discriminante Linéaire et l'Apprentissage Profond pour Prédiction de la Vitesse du Vent
| dc.contributor.author | Belhocine, Houda | |
| dc.contributor.author | Gamra, Fatima Zohra | |
| dc.contributor.author | Enca/ Mezaache, Hatem | |
| dc.date.accessioned | 2023-09-24T13:13:32Z | |
| dc.date.available | 2023-09-24T13:13:32Z | |
| dc.date.issued | 2023-07-16 | |
| dc.description.abstract | Aujourd'hui, l'énergie éolienne est considérée comme l'une des Sources d'Energie Renouvelables essentiels dans le monde, cette énergie dépend de l'existence du vent, qui est un phénomène météorologique intermittent par nature. La vitesse du vent est l'un des facteurs les plus efficaces dans la production d'énergie électrique par les éoliennes, dont la prédiction précise peut être vue comme un module essentielle pour augmenter la performance des centrales éoliennes. Pour cette raison, plusieurs stratégies ont été proposées dans la littérature, pour avoir une bonne exploitation de cette énergie. Dans ce contexte l'objectif de ce travail vise à inventer un modèle pour la prévision de la vitesse du vent qui sera basé sur l'apprentissage profond. Pour évaluer les performances du modèle de prédiction proposé nous choisissons les métriques suivantes : Erreur quadratique moyenne normalisée (NMSE), Erreur absolue moyenne (MAE), le Coefficient compétence de prédiction (FS) et le Coefficient de détermination (R²). | en_US |
| dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/40930 | |
| dc.language.iso | fr | en_US |
| dc.publisher | University of M'sila | en_US |
| dc.subject | Energie éolienne, séries temporelles, apprentissage profond, réseaux de neurones artificiels | en_US |
| dc.title | Application de la Méthode de l'Analyse Discriminante Linéaire et l'Apprentissage Profond pour Prédiction de la Vitesse du Vent | en_US |
| dc.type | Thesis | en_US |