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

Browsing by Author "EL GAROUI Mustapha & GHERSLIA Taha Yassine"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Prévision de l’Irradiance Solaire à l’aide des Techniques de l’Intelligence Artificiel
    (university Ghardaia, 2023) EL GAROUI Mustapha & GHERSLIA Taha Yassine
    L'intelligence artificielle joue un rôle important dans le secteur de l'énergie, comme l'analyse des données, la prévision de la demande d'énergie, l'amélioration de l'efficacité énergétique des bâtiments, l'amélioration des réseaux électriques et l'amélioration des opérations de distribution et de stockage. Dans ce mémoire, Des modèles hybrides ont été proposés basés sur l'algorithme d'Extrême Learning Machine (ELM) et la machine à vecteurs support (SVM), en utilisant la décomposition en ondelettes (W-ELM & W-SVM), pour la prévision du rayonnement solaire horaire dans la ville de Ghardaïa, en Algérie. Le problème est abordé en prenant en compte à la fois des données météorologiques (variables exogènes) et des données de rayonnement solaire précédant l'heure prédite (variables endogènes) comme entrées pour estimer le modèle optimal. Les données horaires sur une période allant de 2012 à 2015 sont utilisées pour l'apprentissage, tandis que les données de 2016 sont réservées aux tests. Les résultats mettent en évidence l'efficacité du modèle hybride, en particulier du WP-ELM, par rapport aux autres modèles. Lorsque les variables endogènes sont utilisées comme entrées, le modèle affiche d'excellentes performances.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify