Modélisation mathématique et résolution numérique du système dynamique

Voir Plus Voir Moins

Afficher le Résumé

Ces dernières années, les méthodes d'exploration de données ont été développées dans de nombreux domaines d'application dans le but de tirer les principales informations statistiques des données volumineuses et complexes. Ces informations permettent de décrire et caractériser les relations qui peuvent exister entre plusieurs données (Prédiction) ; certaines approches peuvent être utilisées pour regrouper les données de manière à faire apparaitre claire (clustering et classification). Ce travail est une contribution à la modélisation mathématique des systèmes complexes par ces différentes méthodes. La modélisation des systèmes complexes nécessite une analyse des interactions associées aux données analytiques et la sélection de structure, nous nous sommes intéressés à la recherche de modèles complexes entre les paramètres de fonctionnement de ces systèmes. Les algorithmes d'apprentissage supervisés et non supervisés seront ainsi étudiés et implémentés numériquement avec une approche adaptative des algorithmes existants pour tenir compte des variations locales des paramètres du milieu. La validation et les limites d'usage seront effectuées par des données réelles collectées des processus sidérurgiques typiques (Haut fourneau). Ainsi qu'en utilisant les données de contrôle de qualité d'un laboratoire accrédité pour le problème agro-industriel.