Contribution À La Prédiction Des Précipitations Par L'apprentissage Automatique (machine Learning)
Résumé: The evolution of climate conditions and their impact on water resources present new challenges for the management of hydraulic infrastructures, especially wastewater networks. In this context, precipitation forecasting becomes crucial. This study explores the application of Long Short-Term Memory (LSTM) neural networks to predict rainfall over a period of 120 months. The goal is to enhance the anticipation of extreme rainfall events and improve the planning of sewage systems. The results demonstrate the effectiveness of the LSTM model in predicting hydrological time series with a good fit between real and predicted values
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
