Application d'un modèle d'apprentissage automatique pour la prévision météorologique
No Thumbnail Available
Date
2023-06-07
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
university of eloued جامعة الوادي
Abstract
تتخلل تأثیرات الطقس تقریبًا كل جانب من جوانب حیاتنا الیومیة ، من السفر إلى التجارة إلى
الحكومة. یمكن أن یؤدي تقدیم تنبؤات دقیقة بالطقس إلى زیادة كفاءة التخطیط وتخصیص
الموارد من قبل الأفراد والشركات.
الموضوع الذي تتناولھ ھذه الأطروحة ھو تطویر نظام التنبؤ بالطقس من خلال تطبیق نموذج
التعلم الآلي القائم على التعلم العمیق. تم تدریب النموذج على بیانات الطقس السابقة ، والتي
تختلف عن النماذج الرقمیة القیاسیة للتنبؤ بالطقس والتي تخلق تمثیلات ریاضیة للقوانین
الفیزیائیة.
والتي ھي شكل من (LSTMs) في ھذا السیاق ، اقترحنا الذاكرة طویلة وقصیرة المدى
الشبكة العصبیة المتكررة) المستخدمة بشكل شائع للتنبؤ بالسلسلة الزمنیة ، )RNN أشكال
حیث ركزنا على عاملین رئیسیین: درجة الحرارة والرطوبة.The effects of weather permeate nearly every aspect of our daily lives,
from travel to commerce to government. Providing accurate weather
forecasts can increase the efficiency of planning and resource allocation
by individuals and businesses.
The subject addressed in this thesis is the development of a weather
forecasting system by the application of a machine learning model based
on deep learning. The model is trained on past weather data, which
differs from standard numerical weather forecasting models which
create mathematical representations of physical laws.
In this context, we have proposed Long and Short Term Memory (LSTMs)
which is a form of RNN (Recurrent Neural Network) commonly used for
time series prediction where we will focus on two main factors:
temperature and humidity.
Description
mémoire master informatuque
Keywords
،LSTM ، التنبؤ بالطقس، التعلم الآلي، التعلم العمیق، السلاسل الزمنیة, Weather forecast ; machine learning; deep learning; time series; LSTM; temperature; humidity.