Titre :	Analyse des séries temporelles pour la prédiction du niveau d’eau des nappes phréatiques
Type de document :	theses et memoires
Auteurs :	Lydia Belhouas ; Ait Messaoud Mustapha ; Lynda Khiali, Directeur de thèse
Editeur :	Tizi-Ouzou : U.M.M.T.O
Année de publication :	2021
Importance :	82 p.
Présentation :	ill.
Format :	24cm.
Note générale :	Bibliog
Langues :	Français
Mots-clés :	Intelligence artificielle  Apprentissage automatique  Apprentissage supervisé  Nappes phréatiques  Eaux  Algorithmes de régression  KNN  SVR  Arbres de régression  Forets aléatoires  Régression linéaire  Réseaux de neurones  ARIMA
Résumé :	L'eau est la ressource la plus essentielle à la vie sur terre, et le recours préférentiel aux eaux souterraines par rapport aux eaux de surface pour l'alimentation de la population est motivé par de multiples critères tels que leurs volumes exploitables et leur évolution au fil du temps. Le choix de cette ressource hydrogéologique n'est jamais un acte anodin, il mérite une étude sérieuse afin d'exploiter ces eaux qui se traduit par une succession d'étapes progressives. Dans ce projet, nous allons étudier l'évolution des nappes phréatiques et du niveau d'eau dans un zone bien précise par méthodes de régression d'intelligence artificielle, en tenant compte de plusieurs paramètres qui aideront notre programme informatique à être plus efficace dans la prédiction, qui sera bel et bien le but de notre étude. Nous allons utiliser dans ce contexte, différentes méthodes bien choisies d'apprentissage automatique, à savoir : Régression linéaire, Arbres de décision, Forets aléatoires, KNN et SVM, et nous allons voir lequel de ces modèles nous procure les meilleurs résultats attendus en sachant que la prédiction se fera sur des données déjà existantes pour comparer leur rapprochement avec les données prédites.
En ligne :	D:\CD THESES 2021\MAST ELN\BELHOUAS LYDIA; AIT MESSAOUD MUSTAPHA.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36359

Analyse des séries temporelles pour la prédiction du niveau d’eau des nappes phréatiques [theses et memoires] / Lydia Belhouas ; Ait Messaoud Mustapha ; Lynda Khiali, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : U.M.M.T.O, 2021 . - 82 p. : ill. ; 24cm.
Bibliog
Langues : Français

Mots-clés :	Intelligence artificielle  Apprentissage automatique  Apprentissage supervisé  Nappes phréatiques  Eaux  Algorithmes de régression  KNN  SVR  Arbres de régression  Forets aléatoires  Régression linéaire  Réseaux de neurones  ARIMA
Résumé :	L'eau est la ressource la plus essentielle à la vie sur terre, et le recours préférentiel aux eaux souterraines par rapport aux eaux de surface pour l'alimentation de la population est motivé par de multiples critères tels que leurs volumes exploitables et leur évolution au fil du temps. Le choix de cette ressource hydrogéologique n'est jamais un acte anodin, il mérite une étude sérieuse afin d'exploiter ces eaux qui se traduit par une succession d'étapes progressives. Dans ce projet, nous allons étudier l'évolution des nappes phréatiques et du niveau d'eau dans un zone bien précise par méthodes de régression d'intelligence artificielle, en tenant compte de plusieurs paramètres qui aideront notre programme informatique à être plus efficace dans la prédiction, qui sera bel et bien le but de notre étude. Nous allons utiliser dans ce contexte, différentes méthodes bien choisies d'apprentissage automatique, à savoir : Régression linéaire, Arbres de décision, Forets aléatoires, KNN et SVM, et nous allons voir lequel de ces modèles nous procure les meilleurs résultats attendus en sachant que la prédiction se fera sur des données déjà existantes pour comparer leur rapprochement avec les données prédites.
En ligne :	D:\CD THESES 2021\MAST ELN\BELHOUAS LYDIA; AIT MESSAOUD MUSTAPHA.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36359