MODELISATION DES PARAMETRES METEOROLOGIQUES. ETUDE COMPARATIVE

Abstract

Les paramètres météorologiques tels que la précipitation, la vitesse du vent, l’humidité et la température moyenne ont un impact significatif sur les activités humaines et les écosystèmes. La capacité à prédire avec précision ces paramètres est cruciale pour une planification efficace dans divers domaines tels que l'agriculture, l'énergie, la gestion des ressources en eau, la sécurité publique, etc. L'objectif principal de cette étude est d’établir un modèle mathématique précis pour prédire les paramètres météorologiques. Pour atteindre cet objectif, nous avons opté pour la méthode de réseau de neurones artificiel (ANN) et utilisé une base de données comprenant plusieurs paramètres tels que la précipitation, la vitesse du vent, l'humidité et la température moyenne. Nous avons également pris en compte d'autres paramètres tels que la distance terre-soleil, l'évolution annuelle (temps), la durée d'ensoleillement et un facteur de conversion. Les données ont été collectées pour la ville de Médéa (Algérie) sur une période s'étendant du 1er janvier 2001 au 31 décembre 2010. En normalisant les dites données entre 0 et 1, le modèle RNA de type MLP (Multicouches) à une seule couche contienne 10 neurones a été entraîné à l'aide de la fonction d'activation sigmoïde tangentielle et de l'algorithme d'apprentissage Levenberg-Marquardt. Les performances du modèle ont été évaluées à l'aide d'une erreur quadratique moyenne RMSE de 0,1202 et d'un coefficient de détermination R2 de 0,8289, attestant de la précision de ses prédictions. En outre, une interface graphique a été développée pour faciliter l'utilisation du modèle établi