Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Bouchehed, Ala"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    contribution à la modélisation des débits de fuite d’eau à travers les barrages réservoirs par le biais de l'intelligence artificielle : cas des barrages algériens
    (Université Badji Mokhtar Annaba, 2024) Bouchehed, Ala
    Durant les dernières années le nombre de barrages construits en Algérie a significativement augmenté. Malgré leur importance, les barrages souffrent de plusieurs problèmes, parmi lesquelles les fuites à travers les digues. Les observations expérimentales ont démontré que les fuites influent directement sur la stabilité des barrages et peuvent menacer l’ouvrage en lui-même. Dans le cadre de cette étude, deux types de variables d'entrée ont été utilisés pour développer les modèles : le niveau d'eau du réservoir (CPE) et le niveau piézométrique (PZ) mesurés à l'aide de différents piézomètres sur cinq arrages situés dans différentes régions du nord Algérien. Différentes techniques à base d’intelligence artificielle, à savoir les réseaux de neurones artificiel (ANN), Neuro-Floue (ANFIS) et les Modèles Ensemblistes. Pour estimer et modéliser les débits des fuites (Q) à l’échelle journalière. L’étude a été basée sur la construction de 12 modèles utilisant des différentes mbinaisons des variables d’entrée pour Proposer une structure appropriée des modèles à développer. Les résultats obtenus dans le cadre de cette étude ont démontrés la bonne capacité et l’efficacité des modèles à base d’intelligence artificielle (ANN, ANFIS, LSSVM, MARS , M5Tree), à prédire avec une grande précision les valeurs de ces débits de fuite d’eau à travers les Barrages dans la zone d’étude en fonction des critères de validation, y compris le coefficient de corrélation (R), le coefficient de Nash (NSE), et la racine moyens carrés des erreurs (RMSE) et la moyenne de l’erreur absolue (MAE).

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback