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

Browsing by Author "HOUARI, Khemissi"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    Application des systèmes hybrides (Neuro-flous) a la modélisation de la salinité des cours d’eau
    (2020-02-13) HOUARI, Khemissi
    Dans le but d’expliquer la relation entre le débit liquide et la concentration saline d’une part, et d’évaluer le degré de salinisation dans le temps et l’espace d’autre part, deux modèles ont été développés. Il s’agit de ‹‹RNA›› basé sur les réseaux de neurones artificiels et l’ANFIS système hybride (neuro-floue). À cette fin, des séries chronologiques des débits liquides et des concentrations salines des stations hydrométriques (Pierre du chat (160801), Beni Bahdel (160402), Zahra (160409), Sidi Belkheir RN 35 (160504), Sidi Aissa (160614), Remchi (160703), Ain Youcef (160704)) réparties sur l’ensemble du bassin versant de la Tafna, ont été utilisés pour la formation, la validation et le test de ces modèles. Différentes méthodes ont été utilisées pour tester la précision de nos résultats, à savoir le coefficient de détermination (R2), le coefficient d’efficacité de Nash-Sutcliffe (E), ‹‹RSR›› (Root of the mean Squared Error) et les techniques graphiques. Le modèle hybride ‹‹ANFIS›› proposé a donné de très bons résultats dans le temps et dans l’espace, et sur toutes les phases hydrologiques par rapport au modèle des réseaux de neurones ‹‹RNA››.

DSpace software copyright © 2002-2025 LYRASIS

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