Modélisation des crues du bassin de oued Ouahrane par les réseaux de neurones artificiels

Simple item page
dc.contributor.authorBENZINEB, Khadidja
dc.date.accessioned2017-04-16T07:42:30Z
dc.date.available2017-04-16T07:42:30Z
dc.date.issued2017
dc.description.abstractLes événements hydrologiques exceptionnels constituent l’un des plus importants risques naturels responsable parfois de la perte de vies humaines et de biens matériels. Au cours des dernières décennies, un grand nombre d’approches automatisées ou informatisées ont été mises en oeuvre pour modéliser ce processus. Cependant, la complexité des régimes hydrologiques requiert à recourir à des outils spécifiques des systèmes dynamiques nonlinéaires. Ce travail de recherche permettra de vérifier l’efficacité des réseaux de neurones formels pour la modélisation des débits de crues du bassin de oued Ouahrane à partir de la relation pluie-débit qui est non-linéaire. Deux modèles de réseaux de neurones ont été optimisés avec l’apprentissage supervisé et comparés afin d’atteindre cet objectif, le premier modèle avec la pluie en entrée et le second avec la pluie et l’ETP en entrée. Ces modèles neuronaux ont été comparés avec un autre modèle global, le modèle GR4j. Ensuite, il a été optimisé et comparé avec les trois premiers modèles, un troisième modèle de réseaux de neurone avec la pluie, l’ETP et l’humidité du sol (calculé par le modèle GR4j) en entrée, dans ce travail, sur le bassin de oued Ouahrane. Les modèles neuronaux ont été optimisés avec l’algorithme de Levenberg Marquarld (LM), tandis que le modèle GR4j a été optimisé avec la méthode SCEUA. Le critère de Nash (%) et le coefficient de corrélation de Pearson (R) ont permis d’apprécier les performances de ces modèles.fr_FR
dc.identifier.citationPrésentée pour l’obtention du diplôme de DOCTORAT Domaine : Sciences et technologie Filière : Hydraulique Spécialité : Construction hydrauliquefr_FR
dc.identifier.urihttp://dspace.univ-chlef.dz:8080/jspui/handle/123456789/1214
dc.language.isofrfr_FR
dc.publisherMohamed REMAOUNfr_FR
dc.subjectmodélisationfr_FR
dc.subjectréseau de neuronefr_FR
dc.subjectapprentissage superviséfr_FR
dc.subjectalgorithme de Levenberg Marquardtfr_FR
dc.subjectGR4Jfr_FR
dc.titleModélisation des crues du bassin de oued Ouahrane par les réseaux de neurones artificielsfr_FR
dc.typeThesisfr_FR

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
mémoire doctorat benzineb 16 MARS 2017.pdf
Size:
8.08 MB
Format:
Adobe Portable Document Format
Description:
Download
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:
Download

Collections

Doctorat en Hydraulique