Prédiction des précipitations par application de l’intelligence artificielle

Abstract

The aim of thisworkis to evaluate the performance of a precipitationforecasting model based on Long Short-Term Memory (LSTM) neural networks, applied to the Oued Mouillah watershed in the wilaya of Tlemcen. The methodological approach is based on in-depth statistical analysis of the main climatic variables (precipitation, temperature, evaporation, humidity, wind), followed by dimensionality reduction using Principal Component Analysis (PCA), to identify the most significant variables for modeling. The LSTM model was then designed and trained over a twenty-year time series, and evaluated using quantitative performance indicators. A simulation application was developed to exploit the model's outputs, while a Business Model Canvas was drawn up with a view to the operational valorization of the results obtained. الملخص تهدفهذهالدراسةإلىتقييمأداءنموذجللتنبؤبهطولالأمطاريعتمدعلىالشبكاتالعصبيةذاتالذاكرةطويلةالمدى والذيتمتطبيقهعلىمستجمعواديمويلحبولايةتلمسان. يعتمدالنهجالمنهجيعلىتحليل، (LSTM) القصيرةالأجل إحصائيمتعمقللمتغيراتالمناخيةالرئيسية )هطولالأمطار،ودرجةالحرارة،والتبخر،والرطوبة،والرياح(،متبوعًا لتحديدالمتغيراتالأكثرأهميةللنمذجة. تمبعدذلكتصميم، (PCA) بتقليلالأبعادباستخدامتحليلالمكوناتالرئيسية وتدريبهعلىسلسلةزمنيةمدتهاعشرونعامًا،وتقييمهباستخداممؤشراتالأداءالكمي. وقدتمتطوير LSTM نموذج تطبيقمحاكاةلاستغلالمخرجاتالنموذج،فيحينتموضعنموذجنموذجعملبهدفالاستفادةالتشغيليةمنالنتائجالتي تمالحصولعليها .