Browsing by Author "Yahi, Takai Eddine"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Etude et analyse statistique des paramètres des écoulements naturels dans certains oueds en climat semi-aride
    (Oum El Bouaghi, 2023) Yahi, Takai Eddine; Boudaoud, Zeineddine
    La simulation d'écoulement, en particulier dans les bassins versants non jaugés, présente un défi complexe dans le domaine de l'hydrologie des eaux de surface. En Algérie, des nombreux projets hydrauliques sont prévus dans des zones où les mesures des débits sont limitées ou inexistantes. Dans de telles situations, l'estimation des paramètres hydrologiques, en particulier les débits extrêmes. Actuellement, il n’y a pas de méthode analytique pour le calcul du débit dans les canaux naturels. C’est dans ce contexte que nous proposons la présente étude, basée sur certaine méthode de calcul, La Méthode du Modèle Rugueux (MMR), la méthode de Chiu et les méthodes de l’intelligence artificielle, pour estimer les débits liquides dans des cours d'eau naturels, L'étude a été menée sur cinq stations hydrométriques dans quelque bassins versants du centre-nord Algérien. La méthode MMR se base sur des paramètres mesurables du cours d’eau. Pour la méthode de Chiu, son application permet de définir un modèle linéaire entre la vitesse moyenne et la vitesse maximale d'une section d'écoulement. De plus, cette méthode détermine les débits en utilisant les valeurs des paramètres d'entropie. Cette étude a été renforcée par l’application des huit modèles basés sur l'intelligence artificielle pour améliorer la prédiction de ces débits calculés. Les modèles étudiés comprennent ANN, ANFIS, Random Forest, Rep Tree, M5p, GPR, SVM, LibSVM. Un modèle global d'apprentissage automatique a été ainsi établi pour l'ensemble des données de la zone d'étude. Finalement, nous proposons une approche de modélisation hybridé qui intègre une machine à vecteurs de support (SVM) avec plusieurs techniques d'ensemble, à savoir, Bagging, Dagging, Random subspace et Rotation Forest, dans le but d'améliorer encore la prédiction de ces débits. Ces modèles ont été validé à l'aide des critères statistiques et d'interprétations graphiques. Les résultats obtenus de la méthode MMR montrent que cette dernière prédire les débits liquides d’une façon optimale, elle s'avère également efficace pour estimer les débits dans des cours d'eau non ou mal jaugés, compensant ainsi le manque de données par rapport à la méthode alternative de Chiu. Ces résultats ont été ainsi bien améliorés par l’utilisation de huit modèles basés sur l'intelligence artificielle, Par ailleurs, des approches hybrides montrant des modèles globaux ont également été proposées avec succès pour les écoulements à surface libre dans de notre cas d’étude. Flow simulation, especially in ungauged watersheds, presents a complex challenge in the field of surface water hydrology. In Algeria, many hydraulic projects are planned in areas where flow measurements are limited or non-existent. In such situations, the estimation of hydrological parameters, in particular flows, becomes particularly difficult. Currently, there is no analytical method for calculating flow in natural channels. It is in this context that we propose the present study, based on certain calculation method, The Rough Model Method (RMM), Chiu's method and artificial intelligence methods to estimate liquid flow rates in water courses. natural water, the study was conducted on five hydrometric stations in northern Algeria. The MMR method does not take into account the Chézy and Manning coefficients. For the calculation of flow in natural channels, this method is based on measurable parameters of the watercourse. For Chiu's method, its application makes it possible to define a linear model between the average speed and the maximum speed of a flow section. Additionally, this method determines flow rates using entropy parameter values. This study was enhanced by the application of eight models based on artificial intelligence to improve the prediction of these calculated flows. The models studied include ANN, ANFIS, Random Forest, Rep Tree, M5p, GPR, SVM, LibSVM. A global machine learning model was thus established for all the data from the study area. Finally, we propose a hybrid modeling approach that integrates a support vector machine (SVM) with several ensemble techniques, namely, Bagging, Dagging, Random subspace and Rotation Forest, with the aim of further improving the prediction of these flow rates. These models were validated using statistical criteria and graphical interpretations. The results obtained from the MMR method show that the latter predicts liquid flow rates in an optimal manner, it also proves effective for estimating flow rates in ungauged or poorly gauged watercourses, thus compensating for the lack of data in relation to to Chiu's alternative method. These results were thus much improved by the use of eight models based on artificial intelligence. Furthermore, hybrid approaches showing global models were also successfully proposed for the surface flows of our case study. تُعَتَبِرُ محاكاةُ تدفق جريان المياه، خاصةً في حالة الاحُواضِ الهيدروغرافية الغيرِ المُقَاسةِ، تَحَدِيًا مُعَقَّدًا في ميدانِ هيدرولوجيا المياهِ السَّطحيةِ. في الجزائر، يُخَطَّطُ للعديدِ من المشاريعِ الهيدروليكيةِ في مناطِقَ حيثُ تكونُ قِيَاسَاتُ التدفقاتِ محدودة أو غيرُ مُتَاحَةٍ. في مثل هذه الحالات، يُصْبِحُ تَقْدِيرُ المُعَلَّمَاتِ الهيدرولوجية، والمعدلات القصوى بشكلٍ خاص. حاليًا، لا تُوجَدُ طَرِيقَةٌ تَحْلِيلِيَّةٌ لحَسْبِ التدفقِ في المجاري الطبيعية وفي هذا السياق، نُقَدِّمُ هذه الدراسة التي تستند إلى بعض طُرُقِ الحسابية، مثل نظريةٌ النموذج الخشن (RMM)، وطريقة ,Chiu بالإضافة إلى طُرُقِ الذكاء الاصطناعي، وذلك بهدف التقدير المناسب لتدفقات السائلة في الأنهار الطبيعية. تمت الدراسة على خمس محطات هيدرومترية في بعض احواض وسط شمال الجزائر. تعتمد نظريةٌ MMR على معايير قابلة للقياس للمجرى المائي. أما بالنسبة لطريقة Chiu، فإن تطبيقها يُمكِّن من إنشاء نموذج خطي بين متوسط ​​السرعة والسرعة القصوى لمقطع الجريان. بالإضافة إلى ذلك، تحدد هذه الطريقة معدلات التدفق باستخدام قيم معاملات الإنتروبيا. تم تعزيز هذه الدراسة من خلال تطبيق ثمانية نماذج قائمة على استعمال الذكاء الاصطناعي وذالك لتحسين توقعات التدفقات المحسوبة. تشمل النماذج التي تمت دراستها ANN وANFIS وRandom Forest وRep Tree وM5p وGPR وSVM وLibSVM. وقد تم كذالك إنشاء نموذج كلي للتعلم الآلي لكل بيانات منطقة الدراسة. في الختام، نقترح نهجً تصميم هجين يدمج نموذج آلية الدعم (SVM) مع العديد من تقنيات مجموعة التحسين، وهي Dagging، Bagging، Rotation Forest، وRandom subspace، بهدف تحسين توقعات هذه التدفقات بشكل أفضل. تم التحقق من هذه النماذج من خلال استخدام معايير إحصائية وتفسيرات رسوم بيانية. تظهر النتائج التي تم الحصول عليها باستعمال نظريةٌ MMR أن هذه الأخير تتنبأ بتقدير التدفقات السائلة بطريقة مثالية، كما أثبتت كذالك فعاليتها في تقدير التدفقات في المجاري المائية الغير مقاسة أو السيئة القياس، وبالتالي تعمل على تعويض نقص البيانات في محطات القياس مقارنة بطريقة Chiu. تم ايضا تقدير مثالي للتدفقات باستخدام ثمانية نماذج قائمة على الذكاء الاصطناعي. وعلاوة على ذلك، تم اقتراح بنجاح أيضًا أساليب هجينة تظهر نماذج عالية الجودة لتدفقات السطحية للمنطقة المقترحة للدراسة. Mot clé : Cours d’eau naturel, débit, MMR, Chiu, ANN, SVM-Hybridés
  • No Thumbnail Available
    Item
    Évaluation de la Pollution nitrique des eaux souterraines dans le périmètre irrigué : cas d’El Medfoun – O.E.B.
    (Université Oum El Bouaghi, 2017) Yahi, Takai Eddine
    La Présente d’étude réalisée dans le périmètre irrigué d’El Madfoun - Wilaya d'Oum El Bouaghi, a pour objectif de : évaluer la qualité des eaux souterraines à travers une caractérisation de la situation actuelle de la pollution nitrique ; l’identification et l’analyse des facteurs explicatifs de cette pollution. Les teneurs en nitrate des eaux souterraines observées pendant la période de suivi (Février 2017 – Avril 2017), ont varié entre 26,06 et 50,06 mg NO3 -/l. Sur 3 puits prospectés, 60 à 100 % des puits ont présenté des teneurs en nitrate qui dépassent 30 mg NO3 -/l, le maximum étant enregistré au mois d’Avril. Les résultats de ce travail permettent de déceler les facteurs explicatifs qui favorisent la lixiviation des nitrates dans les eaux. L’étude expérimentale a permis de tester l’efficacité de l’élimination des nitrates des eaux naturelles par adsorption sur charbon actif en poudre (CAP). Les résultats que nous avons obtenus indiquent que le CAP permet une bonne rétention des nitrates après 1 heure 30 minutes de contact. Le pH de traitement influe sur les rendements d’élimination des nitrates. Les meilleurs rendements sont obtenus à pH égal à 4. Les rendements de dénitrification augmentent avec l’augmentation de la dose de l’adsorbant dans la gamme 0,1 à 4 g/l pour une teneur initiale en nitrate égale à 43 mg/l. Les modèles de Langmuir et de Freundlich sont parfaitement applicables pour les résultats obtenus.