FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W1485287618> ?p ?o ?g. }

• W1485287618 endingPage "331" @default.
• W1485287618 startingPage "319" @default.
• W1485287618 abstract "Identifier tous les processus physiques élémentaires du cycle hydrologique qui peuvent avoir lieu dans un bassin versant et attribuer à chacun d'eux une description analytique permettant la prévision conduisent à des structures complexes employant un nombre élevé de paramètres difficilement accessibles. En outre, ces processus, même simplifiés, sont généralement non linéaires. Le recours à des modèles à faible nombre de variables, capables de traiter la non-linéarité, s'avère nécessaire. C'est dans cette optique que nous proposons une méthode de modélisation de la relation pluie et débit basée sur l'utilisation de réseaux neuronaux. Les performances de ces derniers dans la modélisation non linéaire ont été déjà prouvées dans plusieurs domaines scientifiques (biologie, géologie, chimie, physique). Dans ce travail, nous utilisons l'algorithme de la rétropropagation des erreurs avec un réseau à 3 couches de neurones. La fonction de transfert appliquée est de type sigmoïde. Pour prédire le débit à un moment donné, on présente à l'entrée du réseau des valeurs de pluies et de débits observés à des instants précédents. La structure du réseau est optimisée pour obtenir une bonne capacité prévisionnelle sur des données n'ayant pas participé au calage. L'application du réseau à des données pluviométriques et débimétriques du bassin de l'oued Beth permet d'obtenir de bonnes prévisions d'un ou plusieurs pas de temps, aussi bien journalières qu'hebdomadaires. Pour les données n'ayant pas participé au calage, les coefficients de corrélation entre les valeurs observées et les valeurs estimées par les différents modèles sont élevés. Ils varient de 0.72 à 0.91 pour les coefficients de corrélation de Pearson et de 0.73 à 0.95 pour les coefficients de Spearman." @default.
• W1485287618 created "2016-06-24" @default.
• W1485287618 creator A5009032476 @default.
• W1485287618 creator A5014794554 @default.
• W1485287618 creator A5048217539 @default.
• W1485287618 creator A5082899097 @default.
• W1485287618 date "2005-04-12" @default.
• W1485287618 modified "2023-10-01" @default.
• W1485287618 title "Modélisation de la relation pluie-débit à l'aide des réseaux de neurones artificiels" @default.
• W1485287618 cites W1490996142 @default.
• W1485287618 cites W1518194904 @default.
• W1485287618 cites W2019651770 @default.
• W1485287618 cites W2098398123 @default.
• W1485287618 cites W2106998520 @default.
• W1485287618 cites W2140362372 @default.
• W1485287618 cites W2149921893 @default.
• W1485287618 cites W2595770476 @default.
• W1485287618 doi "https://doi.org/10.7202/705255ar" @default.
• W1485287618 hasPublicationYear "2005" @default.
• W1485287618 type Work @default.
• W1485287618 sameAs 1485287618 @default.
• W1485287618 citedByCount "10" @default.
• W1485287618 countsByYear W14852876182012 @default.
• W1485287618 countsByYear W14852876182013 @default.
• W1485287618 countsByYear W14852876182016 @default.
• W1485287618 crossrefType "journal-article" @default.
• W1485287618 hasAuthorship W1485287618A5009032476 @default.
• W1485287618 hasAuthorship W1485287618A5014794554 @default.
• W1485287618 hasAuthorship W1485287618A5048217539 @default.
• W1485287618 hasAuthorship W1485287618A5082899097 @default.
• W1485287618 hasBestOaLocation W14852876182 @default.
• W1485287618 hasConcept C121332964 @default.
• W1485287618 hasConcept C138885662 @default.
• W1485287618 hasConcept C15708023 @default.
• W1485287618 hasConceptScore W1485287618C121332964 @default.
• W1485287618 hasConceptScore W1485287618C138885662 @default.
• W1485287618 hasConceptScore W1485287618C15708023 @default.
• W1485287618 hasIssue "3" @default.
• W1485287618 hasLocation W14852876181 @default.
• W1485287618 hasLocation W14852876182 @default.
• W1485287618 hasOpenAccess W1485287618 @default.
• W1485287618 hasPrimaryLocation W14852876181 @default.
• W1485287618 hasRelatedWork W2609344916 @default.
• W1485287618 hasRelatedWork W2740647293 @default.
• W1485287618 hasRelatedWork W2748952813 @default.
• W1485287618 hasRelatedWork W2780307509 @default.
• W1485287618 hasRelatedWork W2899084033 @default.
• W1485287618 hasRelatedWork W2935759653 @default.
• W1485287618 hasRelatedWork W4210390885 @default.
• W1485287618 hasRelatedWork W59019880 @default.
• W1485287618 hasRelatedWork W2308060692 @default.
• W1485287618 hasRelatedWork W2478882070 @default.
• W1485287618 hasVolume "9" @default.
• W1485287618 isParatext "false" @default.
• W1485287618 isRetracted "false" @default.
• W1485287618 magId "1485287618" @default.
• W1485287618 workType "article" @default.