Apprentissage approfondi des réseaux de neurones artificiels pour l'approximation de séries temporelles
Type doc. :
Thèses / mémoires
Langue :
Français
Auteur(s) :
Année de soutenance:
2019
Afficher le Résumé
La prévision de la charge électrique joue un rôle important dans la planification régulière des systèmes électriques, dans laquelle la charge est influencée par plusieurs facteurs qui doivent être analysés et identifiés avant la modélisation afin d'assurer un meilleur équilibre de charge entre l'offre et la demande. Cette thèse propose une approche en deux étapes pour la prévision de la charge électrique à court terme. Dans la première étape, un ensemble de classes des profils de charge est identifié en utilisant l'algorithme de classification K-Means ainsi que l'estimation des profiles de température.
| N° Bulletin | Date / Année de parution | Titre N° Spécial | Sommaire |
|---|
| Cote | Localisation | Type de Support | Type de Prêt | Statut | Date de Restitution Prévue | Réservation |
|---|---|---|---|---|---|---|
| 004 FAR TH C1 | BIB-Centrale / Thèses | interne | disponible |
Farfar, K. & Khadir, T. (2019). Apprentissage approfondi des réseaux de neurones artificiels pour l'approximation de séries temporelles (Dactorat) . Annaba.