The Estimation Of Climatic Missing Data Using Machine Learning, Case Of Algerian Stations.

Résumé: Le processus d'enregistrement des précipitations se heurte à un problème majeur dans notre pays, l'Algérie, qui est la perte de données, et cela est dû à diverses raisons. Le processus de prédiction des données nquantes est difficile et complexe, car il nécessite du temps, surtout dans le cas d'un grand nombre de données manquantes, et la variation temporelle et spatiale du phénomène des précipitations et sa complexité du point de vue physique interviennent. dans ce travail, nous sommes appuyés sur une méthode nouvelle et périodique dans ce domaine, celle de l'intelligence artificielle et l'apprentissage automatique, en utilisant les modèles LR, DS, AR, GP, RF et autres pour estimer les données manquantes des stations pluviométrique qui se trouve dans le nord-est de l'Algérie dans trois bassins versants différents (Seybousse, Oued Ruhmel, bassin Côtier Constentinois Centre) ; Chaque bassin a ses propres stations. Nous avons étudié des données mensuelles sur la période de 1970 à 2008 pour les bassins versants de Seybousse et du bassin Côtier Constentinois Centre et de 1986 à 2012 pour les bassins versants d’Oued Ruhmel. Nous avons d'abord confirmé l'efficacité des modèles en les entraînant, et après qu'ils nous aient donné de bons résultats et une petite marge d'erreur, nous avons utilisé ces modèles pour prédire les données de pluie manquantes à nos trois stations. Enfin, nous avons conclu que la majorité de ces modèles étaient bons et nous ont donné des résultats excellents et précis. Il nous a permis de prédire les données manquantes aux trois stations.

Publié dans la revue: