NABI Zahiaenca/OUALI Mohammed Assam2024-11-202024-11-202024-11-20doc/EL/2024https://dspace.univ-msila.dz/handle/123456789/45030Cette thèse présente principalement des travaux de recherche axés sur deux axes principaux. Le premier axe traite de l'identification et de la modélisation des systèmes dynamiques et des séries temporelles. Dans cette optique, une approche intelligente basée sur des réseaux neuronaux combinés à des algorithmes métaheuristiques a été proposée pour obtenir un modèle valide et efficace qui représente et capture les caractéristiques de ces systèmes et leur variation chronologique. L'une des caractéristiques uniques du modèle intelligent proposé est sa capacité à être utilisé non seulement pour identifier et modéliser des systèmes dynamiques et des séries chronologiques, mais aussi pour la compression des données. Le deuxième axe concerne l'analyse et le traitement des données de séries temporelles, notamment le prétraitement des données, l'objectif principal étant le développement des techniques pour nettoyer et préparer les données temporelles, y compris la gestion des valeurs manquantes, la détection des anomalies, la normalisation des données et le filtrage afin d'éliminer divers bruits et artefacts (tels que les signaux biomédicaux ou d'autres signaux). À cet effet, un certain nombre de méthodes de filtrage des séries temporelles d'ECG ont été proposées. Il s'agit notamment de méthodes basées sur la décomposition en modes empiriques et sa variante graphique ainsi que les ondelettes.frsystèmes dynamiquesséries temporellesalgorithmes méta-heuristiquesRéseau de Neurones Artificielsle modèle ARMAfiltrage du signal ECG.Thesis