Contribution à l’amélioration de décision et de diagnostic des systèmes industriels de production en utilisant l'intelligence artificielle
| dc.contributor.author | DILMIl, Smail | |
| dc.date.accessioned | 2023-06-04T09:16:07Z | |
| dc.date.available | 2023-06-04T09:16:07Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Le contrôle de la qualité de l'eau joue un rôle essentiel dans la protection des ressources en eau, la gestion de l'environnement et la prise de décision. Cependant, les risques accrus de contamination rendent le processus de surveillance utilisant les méthodes traditionnelles plus complexe, difficile et coûteux. De nos jours, l'utilisation de procédés automatisés est devenue une nécessité dans le domaine du traitement de l'eau afin de réaliser un contrôle de qualité et de réduire les coûts d'exploitation. Ces dernières années, de nombreuses études se sont concentrées sur la création et le développement de nouvelles techniques de contrôle et de surveillance automatiques de la qualité de l'eau. Parmi ces techniques, nous citons LSTM RNN, SVM et ELM. Ces techniques se démarquent de plusieurs avantages par rapport aux autres grâce à leurs capacités d'apprentissage et de généralisation. L'objectif de cette étude est de développer un modèle intelligent basé sur l'intégration de techniques d'extraction de caractéristiques (PCA, LDA et ICA) et de techniques d'apprentissage automatique (LSTM RNN, SVM et ELM). Cette thèse présente l’application des techniques de l’intelligence artificielle pour améliorer la décision et le diagnostic des systèmes de production et de surveillance automatique de la qualité de l'eau propre. Plusieurs modèles ont été mise en oeuvre et une étude comparative a été menée afin de choisir le modèle le plus approprié pour la possibilité de l'intégrer en temps réel dans un système de surveillance dynamique de la qualité de l'eau. Ces modèles ont été construits à partir des données historiques des paramètres physico-chimiques collectées à la station du barrage de Tilesdit à Bouira (Algérie) pendant une période de trois ans. En général, les résultats de la simulation ont montré que l'approche proposée a une performance très satisfaisante. Notre contribution dans ce modeste travail peut alors être considérée comme une solution adéquate qui permet de résoudre des problèmes d'importance stratégique régionale, nationale et internationale liés à la qualité de l’eau, en utilisant des nouveaux outils basés sur des technologies avancées. | en_US |
| dc.identifier.other | doc/2021 | |
| dc.identifier.uri | http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/39152 | |
| dc.language.iso | fr | en_US |
| dc.publisher | University of M'sila | en_US |
| dc.subject | Eau propre, Contrôle de la qualité de l'eau, Intelligence artificielle, Apprentissage automatique, Réduction de dimensionnalité, Classification, Barrage de Tilesdit. | en_US |
| dc.title | Contribution à l’amélioration de décision et de diagnostic des systèmes industriels de production en utilisant l'intelligence artificielle | en_US |
| dc.type | Thesis | en_US |