Clustérisation et cumul des données d'observations pour l'optimisation de la consommation énergétique dans les STEP à boue activée. / Rafik Ferraoun (2018) 

Public ISBD Titre : Clustérisation et cumul des données d'observations pour l'optimisation de la consommation énergétique dans les STEP à boue activée. Type de document : texte imprimé Auteurs : Rafik Ferraoun, Auteur ; Ouail Bensalem, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Rafik Oulebsir, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2018 Importance : 105 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2018 Bibliogr. f. 102 - 105 Langues : Français (fre) Mots-clés : Deep Learning  Analyse en composante principale (ACP)  La méthode hiérarchique analytique (AHP)  des K-Means Index. décimale : PH00418 Résumé : La station d'épuration est une installation destinée à épurer les eaux usées domestiques ou industrielles et les eaux pluviales avant le rejet dans le milieu naturel. Le but du traitement est de séparer l'eau des substances indésirables pour le milieu récepteur. L’objet de notre travail est l’élaboration d’un modèle d’optimisation de l’énergie électrique des deux STEP Boumerdes et Tipaza par le Deep Learning en se basant sur trois approches statistiques : « La méthode hiérarchique analytique (AHP) » combinée à « L’analyses en composantes principales (ACP) » ainsi que « La méthode des K-Means ». Clustérisation et cumul des données d'observations pour l'optimisation de la consommation énergétique dans les STEP à boue activée. [texte imprimé] / Rafik Ferraoun, Auteur ; Ouail Bensalem, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Rafik Oulebsir, Directeur de thèse . - [S.l.] : [s.n.], 2018 . - 105 f. : ill. ; 30 cm. + 1 CD-ROM. Mémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2018 Bibliogr. f. 102 - 105 Langues : Français (fre) Mots-clés : Deep Learning  Analyse en composante principale (ACP)  La méthode hiérarchique analytique (AHP)  des K-Means Index. décimale : PH00418 Résumé : La station d'épuration est une installation destinée à épurer les eaux usées domestiques ou industrielles et les eaux pluviales avant le rejet dans le milieu naturel. Le but du traitement est de séparer l'eau des substances indésirables pour le milieu récepteur. L’objet de notre travail est l’élaboration d’un modèle d’optimisation de l’énergie électrique des deux STEP Boumerdes et Tipaza par le Deep Learning en se basant sur trois approches statistiques : « La méthode hiérarchique analytique (AHP) » combinée à « L’analyses en composantes principales (ACP) » ainsi que « La méthode des K-Means ».

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
P000214	PH00418	Papier + ressource électronique	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Hydraulique	Consultation sur place/Téléchargeable

Documents numériques

BENSALEM.Ouail_FERAOUN.Rafik.pdf URL

Diagnostic de la filière boue de la STEP de Béni Messous par l’analyse en composantes principales / Souhila Moulai Lakhdar (2020) 

Public ISBD Titre : Diagnostic de la filière boue de la STEP de Béni Messous par l’analyse en composantes principales Type de document : document électronique Auteurs : Souhila Moulai Lakhdar, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Rafik Oulebsir, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (4.7 M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 96 - 100 . Annexe f. 101 - 109 Langues : Français (fre) Mots-clés : STEP  FilièreBoue Optimisation Analyse en Composantes Principales (ACP) Index. décimale : PH01020 Résumé : Après avoir dépollué une eau usée, l’environnement est confronté à un énorme problème de rejet de la boue résiduaire séparée de l’eau polluée. Plusieurs chercheurs de par le monde, et même en Algérie se sont intéressés à la gestion et à la réutilisation des boues des STEP à diverses fins. Notre étude a pour objectif de diagnostiquer la filière Boue de la STEP de Beni Messous dans le but de l’optimiser. Une approche mathématique est envisagée, en l’occurrence, l’Analyse en Composantes Principales afin de déceler d’éventuels dysfonctionnements au niveau de la STEP du point de vue de la boue produite au cours du processus d’épuration. Diagnostic de la filière boue de la STEP de Béni Messous par l’analyse en composantes principales [document électronique] / Souhila Moulai Lakhdar, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Rafik Oulebsir, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (4.7 M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Hydraulique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 96 - 100 . Annexe f. 101 - 109 Langues : Français (fre) Mots-clés : STEP  FilièreBoue Optimisation Analyse en Composantes Principales (ACP) Index. décimale : PH01020 Résumé : Après avoir dépollué une eau usée, l’environnement est confronté à un énorme problème de rejet de la boue résiduaire séparée de l’eau polluée. Plusieurs chercheurs de par le monde, et même en Algérie se sont intéressés à la gestion et à la réutilisation des boues des STEP à diverses fins. Notre étude a pour objectif de diagnostiquer la filière Boue de la STEP de Beni Messous dans le but de l’optimiser. Une approche mathématique est envisagée, en l’occurrence, l’Analyse en Composantes Principales afin de déceler d’éventuels dysfonctionnements au niveau de la STEP du point de vue de la boue produite au cours du processus d’épuration.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00163	PH01020	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Hydraulique	Téléchargeable

Documents numériques

MOULAI-LAKHDAR.Souhila.pdf URL

Etude comparative entre les algorithmes d'optimisation appliqués aux modèles Pluie - Débit / Rafik Oulebsir (2017) 

Public ISBD Titre : Etude comparative entre les algorithmes d'optimisation appliqués aux modèles Pluie - Débit Type de document : texte imprimé Auteurs : Rafik Oulebsir, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Amireche, Mohamed, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2017 Importance : 89 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Projet de Fin d'Etudes : Hydraulique : Alger, Ecole Nationale Polytechnique : 2017 Bibliogr. f. 79. Annexes f. 81 - 89 Langues : Français (fre) Mots-clés : Optimisation Modélisation Bassin Versant Simulation Index. décimale : PH01317 Résumé : Ce projet se résume à comparer et à trouver le meilleur modèle hydrologique qui pourrait reproduire le comportement du bassin versant étudié . Les modèles utilisées dans cette étude sont le tank model et le GR4J . Ces deux modèles ont fait leur preuve de par le monde, et on va les confronter pour cette étude au bassin versant de Zardezas et on va analyser leur comportement . Pour la partie calibration des modèles hydrologiques, deux algorithmes ont été utilisées, le Shuffle Complexe Evolution(SCEUA) et l’Orthogonal Learning Particle Swarm Optimization(OLPSO), de ces deux algorithmes on pourra déduire quel est le meilleur pour calibrer les modèles hydrologiques utilisées pour cette étude . Etude comparative entre les algorithmes d'optimisation appliqués aux modèles Pluie - Débit [texte imprimé] / Rafik Oulebsir, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Amireche, Mohamed, Directeur de thèse . - [S.l.] : [s.n.], 2017 . - 89 f. : ill. ; 30 cm. + 1 CD-ROM. Mémoire de Projet de Fin d'Etudes : Hydraulique : Alger, Ecole Nationale Polytechnique : 2017 Bibliogr. f. 79. Annexes f. 81 - 89 Langues : Français (fre) Mots-clés : Optimisation Modélisation Bassin Versant Simulation Index. décimale : PH01317 Résumé : Ce projet se résume à comparer et à trouver le meilleur modèle hydrologique qui pourrait reproduire le comportement du bassin versant étudié . Les modèles utilisées dans cette étude sont le tank model et le GR4J . Ces deux modèles ont fait leur preuve de par le monde, et on va les confronter pour cette étude au bassin versant de Zardezas et on va analyser leur comportement . Pour la partie calibration des modèles hydrologiques, deux algorithmes ont été utilisées, le Shuffle Complexe Evolution(SCEUA) et l’Orthogonal Learning Particle Swarm Optimization(OLPSO), de ces deux algorithmes on pourra déduire quel est le meilleur pour calibrer les modèles hydrologiques utilisées pour cette étude .

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
P000073	PH01317	Papier + ressource électronique	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Hydraulique	Consultation sur place/Téléchargeable

Documents numériques

OULEBSIR.Rafik.pdf URL

Etude des performances de l'algorithme intelligent mesh for optimum search et application au modèle GR2M / Rafik Oulebsir (2017) 

Public ISBD Titre : Etude des performances de l'algorithme intelligent mesh for optimum search et application au modèle GR2M Type de document : texte imprimé Auteurs : Rafik Oulebsir, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Amireche, Mohamed, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2017 Importance : 42 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Master : Hydraulique : Alger, Ecole Nationale Polytechnique : 2017 Bibliogr. f. 42 Langues : Français (fre) Mots-clés : Optimisation GR2M Index. décimale : Ms09817 Résumé : Cette thèse résume le fonctionnement de l'algorithme d'optimisation IMOS (Intelligent Mesh For Optimum Search), cette technique essaye d'allier les avantages des algorithmes d'optimisations globales et locales, et cela pour mieux faire face aux problèmes de modélisation hydrologique, et aussi a d'autres problématiques faisant appel aux algorithmes d'optimisation. Etude des performances de l'algorithme intelligent mesh for optimum search et application au modèle GR2M [texte imprimé] / Rafik Oulebsir, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Amireche, Mohamed, Directeur de thèse . - [S.l.] : [s.n.], 2017 . - 42 f. : ill. ; 30 cm. + 1 CD-ROM. Mémoire de Master : Hydraulique : Alger, Ecole Nationale Polytechnique : 2017 Bibliogr. f. 42 Langues : Français (fre) Mots-clés : Optimisation GR2M Index. décimale : Ms09817 Résumé : Cette thèse résume le fonctionnement de l'algorithme d'optimisation IMOS (Intelligent Mesh For Optimum Search), cette technique essaye d'allier les avantages des algorithmes d'optimisations globales et locales, et cela pour mieux faire face aux problèmes de modélisation hydrologique, et aussi a d'autres problématiques faisant appel aux algorithmes d'optimisation.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
S000166	Ms09817	Papier + ressource électronique	Bibliothèque Annexe	Mémoire de Master	Disponible	Hydraulique	Consultation sur place/Téléchargeable

Documents numériques

OULEBSIR.Rafik.pdf URL

Rainfall-runoff modeling using deep learning application to mediterranean climate / Rania Mokhtari (2022) 

Public ISBD Titre : Rainfall-runoff modeling using deep learning application to mediterranean climate Type de document : document électronique Auteurs : Rania Mokhtari, Auteur ; Maria Ameddah, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Rafik Oulebsir, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2022 Importance : 1 fichier PDF (5.24 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. 108-113. - Appendix Langues : Anglais (eng) Mots-clés : Modeling Hydrological Deep Learning LSTM RNN Index. décimale : PH00322 Résumé : Rainfall-runoff modeling is an important tool for water resources management in watersheds and hydrological hazard predictions such as floods. Several research has been carried out by hydrologists to produce efficient models that generate the watersheds’ responses to precipitation. Generally, these models involve parameters that are often unavailable, and even difficult to measure. Therefore, it may be practical to focus on new Deep Learning methods, which are powerful tools that can understand the complexity of the non-linearity relationship between inputs and outputs without having to resort to several parameters. In this study, the authors used two different models RNN and LSTM on daily data from 5 catchments with a Mediterranean climate where the LSTM model showed better results for what was evaluated by the NSE. Other assessments were made on the LSTM model by RSR and PBIAS where the precipitation and antecedent flow being the parameters that most influenced the model. Rainfall-runoff modeling using deep learning application to mediterranean climate [document électronique] / Rania Mokhtari, Auteur ; Maria Ameddah, Auteur ; Abdelmalek Bermad, Directeur de thèse ; Rafik Oulebsir, Directeur de thèse . - [S.l.] : [s.n.], 2022 . - 1 fichier PDF (5.24 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. 108-113. - Appendix Langues : Anglais (eng) Mots-clés : Modeling Hydrological Deep Learning LSTM RNN Index. décimale : PH00322 Résumé : Rainfall-runoff modeling is an important tool for water resources management in watersheds and hydrological hazard predictions such as floods. Several research has been carried out by hydrologists to produce efficient models that generate the watersheds’ responses to precipitation. Generally, these models involve parameters that are often unavailable, and even difficult to measure. Therefore, it may be practical to focus on new Deep Learning methods, which are powerful tools that can understand the complexity of the non-linearity relationship between inputs and outputs without having to resort to several parameters. In this study, the authors used two different models RNN and LSTM on daily data from 5 catchments with a Mediterranean climate where the LSTM model showed better results for what was evaluated by the NSE. Other assessments were made on the LSTM model by RSR and PBIAS where the precipitation and antecedent flow being the parameters that most influenced the model.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00485	PH00322	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Hydraulique	Téléchargeable

Documents numériques

AMEDDAH.Maria_MOKHTARI.Rania.pdf URL