Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/23480
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCheurfa, Mohand Said-
dc.contributor.authorChabane, Khaled-
dc.contributor.authorAit Taleb, Samiha ; promotrice-
dc.date.accessioned2024-05-19T13:56:31Z-
dc.date.available2024-05-19T13:56:31Z-
dc.date.issued2023-
dc.identifier.other004MAS/1218-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/23480-
dc.descriptionOption : Intelligence Artificielleen_US
dc.description.abstractCe mémoire de recherche se concentre sur la prédiction de l'énergie solaire en utilisant diverses méthodes basé sur le machine learning. Il explore les travaux antérieurs et identifie les lacunes et les opportunités dans le domaine de la prédiction d'énergie solaire. La méthodologie détaille les techniques de collecte de données, les instruments de recherche et les procédures d'analyse, tout en abordant les considérations éthiques et les limitations de l'étude. Les résultats obtenus à partir des données de la NASA pour la ville de Bejaia, en Algérie, sont présentés en détail. Les différentes méthodes de prédiction d'énergie solaire sont décrites, ainsi que les outils et les données spécifiques utilisés. Les résultats de chaque méthode sont comparés en termes de précision et de performance. La discussion interprète les résultats à la lumière des objectifs de recherche et examine les implications théoriques et pratiques. Elle met en évidence les avantages et les limites de chaque méthode de prédiction et propose des recommandations pour de futures recherches.en_US
dc.language.isofren_US
dc.publisherUniversité Abderramane Mira-Bejaiaen_US
dc.subjectPrédiction : Energie solaire : Photovoltaïque : Apprentissage automatique : Méthodes statistiquesen_US
dc.titleApprentissage machine pour la prédiction d'énergie solaire à Bejaia.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
memoire final.pdf3.81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.