Elaboration d’un SIG dans le cadre de la cartographie des zones sensibles aux inondations : cas du BV Macta

dc.contributor.authorAhouaou, Nesrine
dc.contributor.authorKolla, Amira Raounak
dc.contributor.otherChetibi, Meriem, Directeur de thèse
dc.contributor.otherTachi, Salah Eddine, Directeur de thèse
dc.contributor.otherAlliche, Abd Malek, Directeur de thèse
dc.date.accessioned2022-09-19T09:51:14Z
dc.date.available2022-09-19T09:51:14Z
dc.date.issued2022
dc.descriptionMémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2022fr_FR
dc.description.abstractLes inondations sont considérées comme l’un des phénomènes catastrophiques les plus destructeurs. La susceptibilité aux inondations est définie comme la susceptibilité aux dommages causés par ce phénomène. Cependant, la prédiction précise des crues éclair reste difficile en raison de la complexité du phénomène. Par conséquent, la cartographie des zones sujettes aux inondations est d’un grand intérêt pour les scientifiques et les d´décideurs afin de réduire les effets négatifs du risque des inondations. Dans le présent travail, l’algorithme LightGBM avec ces trois boosters : DART, GOSS et GBDT ont ´et´e utilisés pour cartographier les cartes de susceptibilité aux inondations dans le bassin versant de Macta, au nord-ouest de l’Algérie. La pente, l’aspect de la pente, les précipitations, la densité des cours d’eau l’indice d’humidité topographique(TWI), l’indice de puissance des cours d’eau (SPI), la couverture végétale(NDVI), l’élévation , la courbure et l’ombrage (hillshade) sont les facteurs d’influence des inondations dans la zone ´étudiée. Ils ont été élaborés `a l’aide des systèmes d’information géographique. L’aire sous la courbe (AUC) a été utilisée pour évaluer la validité des modèles proposés. Les résultats montrent que les algorithmes d’apprentissage automatique utilisés ont donné de très bonnes performances, l’algorithme LightGBM combiné avec le booster GBDT était le modèle le plus optimal avec une valeur AUC de 0,95, suivi de LightGBM combiné avec le booster DART avec 0,94 et enfin, LightGBM combin´e avec le booster goss avec une valeur AUC de 0,88.fr_FR
dc.identifier.otherEP00483
dc.identifier.urihttps://repository.enp.edu.dz/handle/123456789/10585
dc.language.isofrfr_FR
dc.subjectSusceptibilité aux inondationsfr_FR
dc.subjectMachine Learningfr_FR
dc.subjectLightGBMfr_FR
dc.subjectLa Courbe (AUC)fr_FR
dc.titleElaboration d’un SIG dans le cadre de la cartographie des zones sensibles aux inondations : cas du BV Mactafr_FR
dc.typeThesisfr_FR

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
AHOUAOU.Nesrine_KOLLA.Amira-Raounak.pdf
Size:
9.13 MB
Format:
Adobe Portable Document Format
Description:
PH00122

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: