Etude comparative des modèles de prévision ARMA et des réseaux de neurones artificiels : Application en prévision à moyen terme de la charge électrique

dc.contributor.authorRahal, Hadi Anis
dc.contributor.otherAboun, Nacera, Directeur de thèse.
dc.date.accessioned2021-11-29T13:12:02Z
dc.date.available2021-11-29T13:12:02Z
dc.date.issued2006
dc.descriptionMémoire de Projet de Fin d'Etudes : Génie Industriel : Alger, Ecole Nationale Polytechnique : 2006fr_FR
dc.description.abstractL'objectif poursuivi à travers cette étude est d'établir une prévision de la charge électrique et ce en utilisant deux méthodes différentes. Dans une première, nous ferons usage d'une méthode de prévision traditionnellement utilisée pour ce type de séries temporelles: la méthode de Box et Jenkins. Dans la seconde, nous utiliserons les réseaux de neurones artificiels. Ainsi, notre travail consistera dans un premier temps à prendre connaissance des différentes méthodes de prévision classiques plus particulièrement celle de Box et Jenkins. Puis, nous prendrons connaissance des fondements et principes des réseaux de neurones. Dans un second temps, nous effectuerons notre application en concevant nos différents modèles de prévision. Nous conclurons par une étude comparative des résultats.fr_FR
dc.identifier.otherPI01006
dc.identifier.urihttps://repository.enp.edu.dz/handle/123456789/10137
dc.language.isofrfr_FR
dc.subjectPrévisionfr_FR
dc.subjectMéthode Box et Jenkinsfr_FR
dc.subjectARMAfr_FR
dc.subjectRéseau de neurones artificielsfr_FR
dc.subjectCharge électriquefr_FR
dc.titleEtude comparative des modèles de prévision ARMA et des réseaux de neurones artificiels : Application en prévision à moyen terme de la charge électriquefr_FR
dc.title.alternativeEtude comparative des modèles de prévision ARMA et des réseaux de neurones artificiels : Application en prévision à moyen terme de la charge électriquefr_FR
dc.typeThesisfr_FR

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
RAHAL.Hadi Anis.pdf
Size:
1.1 MB
Format:
Adobe Portable Document Format
Description:
PI01006

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: