| Titre : |
Elaboration d’un SIG dans le cadre de la cartographie des zones sensibles aux inondations : cas du BV Macta |
| Type de document : |
document électronique |
| Auteurs : |
Nesrine Ahouaou, Auteur ; Amira Raounak Kolla, Auteur ; Meriem Chetibi, Directeur de thèse ; Salah Eddine Tachi, Directeur de thèse ; Abd Malek Alliche, Directeur de thèse |
| Editeur : |
[S.l.] : [s.n.] |
| Année de publication : |
2022 |
| Importance : |
1 fichier PDF (9.12 MO) |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2022.
Bibliogr. f. 73-76 |
| Langues : |
Français (fre) |
| Mots-clés : |
Susceptibilité aux inondations
Machine Learning
LightGBM
la Courbe (AUC) |
| Index. décimale : |
PH00122 |
| Résumé : |
Les inondations sont considérées comme l’un des phénomènes catastrophiques les plus destructeurs.
La susceptibilité aux inondations est définie comme la susceptibilité aux dommages causés par ce phénomène. Cependant, la prédiction précise des crues éclair reste difficile en raison de la complexité du phénomène. Par conséquent, la cartographie des zones sujettes aux inondations est d’un grand intérêt pour les scientifiques et les d´décideurs afin de réduire les effets négatifs du risque des inondations. Dans le présent travail, l’algorithme LightGBM avec ces trois boosters : DART, GOSS et GBDT ont ´et´e utilisés pour cartographier les cartes de susceptibilité aux inondations dans le bassin versant de Macta, au nord-ouest de l’Algérie. La pente, l’aspect de la pente, les précipitations, la densité des cours d’eau l’indice d’humidité topographique(TWI), l’indice de puissance des cours d’eau (SPI), la couverture végétale(NDVI), l’élévation , la courbure et l’ombrage (hillshade) sont les facteurs d’influence des inondations dans la zone ´étudiée. Ils ont été élaborés `a l’aide des systèmes d’information géographique. L’aire sous la courbe (AUC) a été utilisée pour évaluer la validité des modèles proposés. Les résultats montrent que les algorithmes d’apprentissage automatique utilisés ont donné de très bonnes performances, l’algorithme LightGBM combiné avec le booster GBDT était le modèle le plus optimal avec une valeur AUC de 0,95, suivi de LightGBM combiné avec le booster DART avec 0,94 et enfin, LightGBM combin´e avec le booster goss avec une valeur AUC de 0,88. |
Elaboration d’un SIG dans le cadre de la cartographie des zones sensibles aux inondations : cas du BV Macta [document électronique] / Nesrine Ahouaou, Auteur ; Amira Raounak Kolla, Auteur ; Meriem Chetibi, Directeur de thèse ; Salah Eddine Tachi, Directeur de thèse ; Abd Malek Alliche, Directeur de thèse . - [S.l.] : [s.n.], 2022 . - 1 fichier PDF (9.12 MO). Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2022.
Bibliogr. f. 73-76 Langues : Français ( fre)
| Mots-clés : |
Susceptibilité aux inondations
Machine Learning
LightGBM
la Courbe (AUC) |
| Index. décimale : |
PH00122 |
| Résumé : |
Les inondations sont considérées comme l’un des phénomènes catastrophiques les plus destructeurs.
La susceptibilité aux inondations est définie comme la susceptibilité aux dommages causés par ce phénomène. Cependant, la prédiction précise des crues éclair reste difficile en raison de la complexité du phénomène. Par conséquent, la cartographie des zones sujettes aux inondations est d’un grand intérêt pour les scientifiques et les d´décideurs afin de réduire les effets négatifs du risque des inondations. Dans le présent travail, l’algorithme LightGBM avec ces trois boosters : DART, GOSS et GBDT ont ´et´e utilisés pour cartographier les cartes de susceptibilité aux inondations dans le bassin versant de Macta, au nord-ouest de l’Algérie. La pente, l’aspect de la pente, les précipitations, la densité des cours d’eau l’indice d’humidité topographique(TWI), l’indice de puissance des cours d’eau (SPI), la couverture végétale(NDVI), l’élévation , la courbure et l’ombrage (hillshade) sont les facteurs d’influence des inondations dans la zone ´étudiée. Ils ont été élaborés `a l’aide des systèmes d’information géographique. L’aire sous la courbe (AUC) a été utilisée pour évaluer la validité des modèles proposés. Les résultats montrent que les algorithmes d’apprentissage automatique utilisés ont donné de très bonnes performances, l’algorithme LightGBM combiné avec le booster GBDT était le modèle le plus optimal avec une valeur AUC de 0,95, suivi de LightGBM combiné avec le booster DART avec 0,94 et enfin, LightGBM combin´e avec le booster goss avec une valeur AUC de 0,88. |
|
PH00100 
Ajouter le résultat dans votre panier
Visionner les documents numériques
Faire une suggestion Affiner la rechercheElaboration d’un SIG dans le cadre de la cartographie des zones sensibles aux inondations (2022)
