Documents disponibles écrits par cet auteur

Elaboration d'un modèle stochastique de type Box-Jenkins pour la prédiction simple et filtre de Kalman pour la prédiction Multi-Site des apports des oueds au nord d'Algérie / Khadidja Malika Boukharouba 

Public ISBD Titre : Elaboration d'un modèle stochastique de type Box-Jenkins pour la prédiction simple et filtre de Kalman pour la prédiction Multi-Site des apports des oueds au nord d'Algérie Type de document : texte imprimé Auteurs : Khadidja Malika Boukharouba, Auteur ; Kettab, Ahmed, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2010 Importance : 368 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Thèse de Doctorat : Hydraulique : Alger, Ecole Nationale Polytechnique : 2010 Bibliogr. f. 361 - 368 Langues : Français (fre) Mots-clés : Stochastique ARIMA Filtre  de  Kalman Prédiction  multi-site Apport  des  rivières Index. décimale : D001210 Résumé : L’analyse et a compréhension des phénomènes hydrologiques requiert des modèles mathématiques qui prennent en charge la nature stochastique des variables hydrologiques ainsi que leur variabilité temporelle. Dans ce contexte, l’objectif du présent travail est la recherche d’un modèle stochastique pour la prévision des apports liquides des rivières en Algérie. A cet effet, une dizaine de stations hydrométriques ont été considérées et le recours aux processus de Box-Jenkins a conduit à différents modèles paramétriques stationnaires de type ARIMA dont les résultats sont acceptables. Dans le but de se libérer de la contrainte de stationnarité, le recours aux méthodes de prédiction dynamique nous a orientés vers le filtre de Kalman qui est caractérisé par l’optimalité de ses résultats et par la nature dynamique du modèle mathématique qui permet de rendre compte de la variabilité temporelle du processus hydrologique étudié. Le résultat est une opération de prédiction multi-site en ligne, où l’opérateur n’est fixé ni par le temps ni par l’espace, en revanche il s’adapte automatiquement aux changements dans les conditions météorologiques du système hydrologique en question. Ce dernier modèle a permis l’amélioration considérable des erreurs de prédiction obtenues par les modèles ARIMA, et présente l’avantage majeur de procurer avec exactitude la covariance des erreurs de prédiction. Elaboration d'un modèle stochastique de type Box-Jenkins pour la prédiction simple et filtre de Kalman pour la prédiction Multi-Site des apports des oueds au nord d'Algérie [texte imprimé] / Khadidja Malika Boukharouba, Auteur ; Kettab, Ahmed, Directeur de thèse . - [S.l.] : [s.n.], 2010 . - 368 f. : ill. ; 30 cm. + 1 CD-ROM. Thèse de Doctorat : Hydraulique : Alger, Ecole Nationale Polytechnique : 2010 Bibliogr. f. 361 - 368 Langues : Français (fre) Mots-clés : Stochastique ARIMA Filtre  de  Kalman Prédiction  multi-site Apport  des  rivières Index. décimale : D001210 Résumé : L’analyse et a compréhension des phénomènes hydrologiques requiert des modèles mathématiques qui prennent en charge la nature stochastique des variables hydrologiques ainsi que leur variabilité temporelle. Dans ce contexte, l’objectif du présent travail est la recherche d’un modèle stochastique pour la prévision des apports liquides des rivières en Algérie. A cet effet, une dizaine de stations hydrométriques ont été considérées et le recours aux processus de Box-Jenkins a conduit à différents modèles paramétriques stationnaires de type ARIMA dont les résultats sont acceptables. Dans le but de se libérer de la contrainte de stationnarité, le recours aux méthodes de prédiction dynamique nous a orientés vers le filtre de Kalman qui est caractérisé par l’optimalité de ses résultats et par la nature dynamique du modèle mathématique qui permet de rendre compte de la variabilité temporelle du processus hydrologique étudié. Le résultat est une opération de prédiction multi-site en ligne, où l’opérateur n’est fixé ni par le temps ni par l’espace, en revanche il s’adapte automatiquement aux changements dans les conditions météorologiques du système hydrologique en question. Ce dernier modèle a permis l’amélioration considérable des erreurs de prédiction obtenues par les modèles ARIMA, et présente l’avantage majeur de procurer avec exactitude la covariance des erreurs de prédiction.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
D001210B	D001210	Papier + ressource électronique	Bibliothèque Annexe	Thèse de Doctorat	Disponible	Hydraulique	Consultation sur place/Téléchargeable
D001210A	D001210	Papier + ressource électronique	Bibliothèque centrale	Thèse de Doctorat	Disponible	Hydraulique	Consultation sur place/Téléchargeable

Documents numériques

BOUKHAROUBA.Khadidja.pdf URL

Modélisation stochastique des apports annuels / Khadidja Malika Boukharouba 

Public ISBD Titre : Modélisation stochastique des apports annuels : simulation par les modèles arma et prévision par le filtre de kalman, application au barrage de Béni-Bahdel Type de document : texte imprimé Auteurs : Khadidja Malika Boukharouba, Auteur ; Mokrane, B., Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 1996 Importance : 102 f. Présentation : ill. Format : 30 cm. Note générale : Mémoire de Magister : Hydraulique : Alger, Ecole Nationale Polytechnique : 1996 Bibliogr. f. 101 - 105 . Annexes f. 106 - 112 Langues : Français (fre) Mots-clés : Barrage  ;  Modélisation  stochastique  ;  Modèle  arma  ;  Apport  annuel  ;  Filtre  de  kalman  ;  Barrage  de  Béni-Bahdel Index. décimale : M001496 Résumé : Cette étude de modélisation à deux objectifs: la simulation et la prévision des apports annuels du réservoir de Béni-Bahdel. Pour la simulation, la méthodologie utilisée est celle de Box-Jenkins dans l'hypothèse de stationnarité. Le modèle résultant est employé dans la génération synthétique d'une centaine de séries et ce, dans le but de vérifier la préservation des caractéristiques statistiques les plus importantes. Pour la prévision, nous avons utilisé le filtre de kalman. A cet effet, un modèle adaptatif de prévision récursive non biaisée, basée sur la description dans l'espace des états est discuté. Nous considérons le cas des systèmes linéaires discrets, avec des bruits blancs Gaussiens. Ce modèle permet des variations dans le temps des paramètres, ce qui est une façon de prendre en compte la réponse non linéaire du système hydrologique concerné. Modélisation stochastique des apports annuels : simulation par les modèles arma et prévision par le filtre de kalman, application au barrage de Béni-Bahdel [texte imprimé] / Khadidja Malika Boukharouba, Auteur ; Mokrane, B., Directeur de thèse . - [S.l.] : [s.n.], 1996 . - 102 f. : ill. ; 30 cm. Mémoire de Magister : Hydraulique : Alger, Ecole Nationale Polytechnique : 1996 Bibliogr. f. 101 - 105 . Annexes f. 106 - 112 Langues : Français (fre) Mots-clés : Barrage  ;  Modélisation  stochastique  ;  Modèle  arma  ;  Apport  annuel  ;  Filtre  de  kalman  ;  Barrage  de  Béni-Bahdel Index. décimale : M001496 Résumé : Cette étude de modélisation à deux objectifs: la simulation et la prévision des apports annuels du réservoir de Béni-Bahdel. Pour la simulation, la méthodologie utilisée est celle de Box-Jenkins dans l'hypothèse de stationnarité. Le modèle résultant est employé dans la génération synthétique d'une centaine de séries et ce, dans le but de vérifier la préservation des caractéristiques statistiques les plus importantes. Pour la prévision, nous avons utilisé le filtre de kalman. A cet effet, un modèle adaptatif de prévision récursive non biaisée, basée sur la description dans l'espace des états est discuté. Nous considérons le cas des systèmes linéaires discrets, avec des bruits blancs Gaussiens. Ce modèle permet des variations dans le temps des paramètres, ce qui est une façon de prendre en compte la réponse non linéaire du système hydrologique concerné.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
M001496	M001496	Papier	Bibliothèque centrale	Mémoire de Magister	Disponible

Documents numériques

BOUKHAROUBA.Khadija-Malika.pdf URL