Abdellaoui, AssiaKaddour, Rayane2024-09-102024-09-102024http://dspace.univ-oeb.dz:4000/handle/123456789/19676Ce mémoire examine le rôle crucial des déversoirs en escalier dans l'ingénierie hydraulique, en se concentrant sur leur capacité à dissiper l'énergie et à réduire l'érosion en aval, améliorant ainsi la sécurité des barrages. L'étude explore le contexte historique, les applications et les caractéristiques hydrauliques des déversoirs en escalier, mettant en lumière divers régimes d'écoulement tels que l'écoulement en nappe, l'écoulement transitoire et l'écoulement en régime turbulent. La recherche se concentre principalement sur l'application de méthodes d'apprentissage automatique (ML) pour prédire la dissipation d'énergie (ΔE/E₀) sur les déversoirs en escalier. Cinq techniques de ML ont été employées : Ensemble Trees (EnT), Réseaux de Neurones Artificiels (ANN), Régression à Vecteurs de Support (SVR), Arbres de Décision (DT) et Régression par Processus Gaussien (GPR). De plus, les Splines de Régression Adaptative Multivariée (MARS) ont été utilisées pour améliorer la précision prédictive et la sélection des caractéristiques. L'analyse comparative a révélé que les modèles utilisant uniquement les caractéristiques critiques identifiées par MARS (Fr1, DN) étaient généralement comparables, voire légèrement meilleurs, que ceux utilisant toutes les caractéristiques initiales. Les modèles MARS, GPR et ANN ont atteint la plus grande précision.enPredicting energy; Learning methodsOther