Veuillez utiliser cette adresse pour citer ce document : http://repository.enp.edu.dz/jspui/handle/123456789/3792
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorSaidouni, Djallal-
dc.contributor.otherDechemi, Noureddine, Directeur de thèse.-
dc.date.accessioned2020-12-30T10:47:58Z-
dc.date.available2020-12-30T10:47:58Z-
dc.date.issued2003-
dc.identifier.otherM000103-
dc.identifier.urihttp://repository.enp.edu.dz/xmlui/handle/123456789/3792-
dc.descriptionMémoire de Magister : Hydraulique : Alger, École Nationale Polytechnique : 2003fr_FR
dc.description.abstractDans le cadre de ce travail nous avons essayé de trouver un moyen efficace pour la prévision de débit en particulier ceux engendrés par les crues, un problème sur lequel les scientifique se penchent actuellement, sans pour autant avoir trouver un palliatif. C'est dans cette optique que nous proposons l'étude et l'application sur des données réelles de trois techniques de prévision à savoir la différence première de la fonction de transfert, les réseaux de neurones artificiels et l'analyse en composantes principale. Cette étude sera un moyen de mettre en évidence la capacité et la fiabilité de chacune des méthodes et d'en sortir celle qui aura un meilleur impact sur la gestion du risque.fr_FR
dc.language.isofrfr_FR
dc.subjectAnalyse en composantes principalesfr_FR
dc.subjectBassin versant Cruesfr_FR
dc.subjectDifférences premières de fonction de transfertfr_FR
dc.subjectModélisation pluie-débit Prévision des débits Réseaux de neuronesfr_FR
dc.titleModélisation de la relation pluie débit au pas de temps horaire par différentes approches (DPFT - Réseaux de Neurones - ACP)fr_FR
dc.typeThesisfr_FR
Collection(s) :Département Hydraulique

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
SAIDOUNI.Djallal.pdfM00010319.34 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.