dc.contributor.author |
BAHAMIDA, Aicha Imane |
|
dc.date.accessioned |
2021-01-25T08:57:28Z |
|
dc.date.available |
2021-01-25T08:57:28Z |
|
dc.date.issued |
2020 |
|
dc.identifier.uri |
http://dspace.univ-ghardaia.dz:8080/xmlui/handle/123456789/317 |
|
dc.description.abstract |
L’estimation précise des composantes du rayonnement solaire d’une location spécifique a
été un des problèmes les plus importants des applications de l’énergie solaire. Dû au
comportement non stationnaire des paramètres du rayonnement solaire et de la variété des
conditions atmosphériques, les modèles de prévision autonomes sont insuffisants pour fournir
une estimation précise dans certains cas. À cet égard, une nouvelle approche nommée CNN-SVM
a été proposée pour la prévision multi-horaires du rayonnement solaire global.
Le modèle proposé est basé principalement sur l’utilisation du modèle de réseaux de
neurones convolutifs (CVV-1D) comme fonction de sélection des entrées météorologiques et la
machine à vecteur support (SVM) comme modèle de régression.
Les résultats obtenus montrent que le modèle combiné CNN-SVM donne une légère
amélioration par rapport au modèle autonome en termes d’indicateurs statistiques |
EN_en |
dc.publisher |
جامعة غرداية |
EN_en |
dc.subject |
Rayonnement solaire, Estimation des composantes du rayonnement solaire, réseaux de neurones convolutifs (CVV-1D), machine à vecteur support (SVM), Modèle combiné CNN et SVM |
EN_en |
dc.title |
L’utilisation des techniques de l’apprentissage approfondi pour l’estimation des composantes solaires |
EN_en |
dc.type |
Thesis |
EN_en |