Etude comparative entre les prévision par lissage exponentiel et lissage combiné avec le machine learning - application à la chronique lisage de la citrouille

Aug 5, 2026

Télécharger par Skyler

Ce mémoire compare des méthodes de prévision basées sur le lissage exponentiel et le lissage combiné avec des approches de machine learning afin d’améliorer la précision des prévisions. Les données proviennent de chroniques issues du séchage de la citrouille. Un modèle de prévision est construit sur le logiciel R avec le lissage exponentiel, puis une méthode de machine learning est appliquée pour renforcer la performance. L’étude analyse la modélisation, les résultats et la discussion des séries étudiées.

LangueFrench

CatégorieRecherche & Rapport

FormatPDF

Pages55

Temps de lecture1 h 25 min

AccèsTéléchargement gratuit

Table des matières

Introduction Générale

Méthodes de lissage exponentiel pour la prévision

Généralités sur les séries chronologiques

Série stationnaire

Méthodes de prévision

Lissage exponentiel

Commandes de lissages exponentiel dans R

Machine Learning

Définition et Histoire

Importance et applications du Machine Learning

Méthodes d’apprentissage

Prévision par lissage exponentiel et lissage-machine learning

Modél de lissage exponentiel

Modélisation par lissage combiné avec le machine learning

Modèle Lissage-Machine Learning

Conclusion Générale

Annexes

Bibliographie

Université AMO de Bouira Faculté des Sciences et des Sciences Appliquées Département du Mathématiques Mémoire de Master Filière : Mathématiques Spécialité : Recherche Opérationnelle Thème Etude comparative entre les prévision par lissage exponentiel et lissage combiné avec le machine learning : application à la chronique lisage de la citrouille Présenté par : — BOUKERDOUN KARIMA — CHENAFI OUALID Devant le jury composé de : Président Mr Omar HAMDOUNI MAA U. A/M/O Bouira. Encadreur M r L’hadi BOUGHANI MAA U. A/M/O Bouira. Examinateurs Mr Elghani IFTISSENE MAA U. A/M/O Bouira. Mr Karim HAMID MAA U. A/M/O Bouira. Dédicaces De Karima Aux êtres les plus chers à mon coeur, ma mére et mon pére, qui m’ont beaucoup soutenu durant mon cursus d’ étude et à qui je serai éternellement reconnaissante, qui ont toutenduré pour que je deviennes ce que je suis aujourd ´hui. À mon frère Djamel. À mes soeur Hafidha,Manel,Anfel,Hanane. À mon bînome : Walid. À tous les membres des familles : Boukerdoun, Haddad. Sans oblier tout les professeurs que ce soit du primaire ,du moyen,du secondaire ou del’enseignement supérieur. Á Tous mes collègues d’étude et surtout la promotion 2022/2023 . Sans oblier tout les professeurs que ce soit du primaire ,du moyen,du secondaire ou del’enseignement supérieur. Á Toutes et à Tous. Je vous dédie ce modeste travail Dédicaces De Walid Aux êtres les plus chers à mon coeur, ma mére et mon pére, qui m’ont beaucoup soutenu durant mon cursus d’ étude et à qui je serai éternellement reconnaissante, qui ont toutenduré pour que je deviennes ce que je suis aujourd ´hui. À mes fréres Mohamed et Soufiane. À mes soeur Lydia etHanane. À ma bînome : Karima. À tous les membres des familles : Chenafi, Zaidi. Á Tous mes collègues surtout la promotion 2022/2023 . Á Toutes et à Tous. Je vous dédie ce modeste travail Remerciements Nos remerciements vont tout premièrement à Allah le tout puissant pour la volonté, la santé et la patience quíl nous a donné pour terminer ce travail. Nous remercions notre promoteurM. L’HADI BOUGHANI pour avoir accepté de diriger ce travail ainsi que pour ses conseils avec beaucoup de pa tience et d ’ encouragements. Nous exprimons nos remerciements aux membres du jury qui ont ac cepté de juger notre travail, en l’occurence Mr Hamdouni Omar de présider le jury de soutenance et Messieurs Hamid Karim et Iftissen ELGHANId’examiner ce travail. Nos sincères remerciements s’adressent enfin à tous ceux qui nous ontsoutenu de prés ou de loin. Enfin ,nous remercions les professeurs Amel Belhadj,Ouidja Daya ,De mouche Nacer et Bedak Said Mecri à Tous Résumé Le travail réalisé dans ce mémoire consiste, en se basant sur des chroniques obtenueslors du séchage de la citrouille, de créer modèle de prévision à l’aide du lissage exponentiel sur le logiciel R puis appliquer une des méthodes du machine learning dans l’objectif d’améliorer la précision des prévisions obtenues par le lissage. Mots Clés : Série chronologique, Lissage exponentiel, Holt-Winter, Tendance, saisonnalité, Machine learning, apprentissage supervisé, apprentissage non supervisé, Langage R. Table des matières Liste des tableaux 3 Table des figures 4 Introduction Générale 6 1 Méthodes de lissage exponentiel pour la prévision 8 1.1 Génaralités sur les séries chronologiques .................. 8 1.1.1 Dèfinition d’une sèrie chronologique ................ 8 1.1.2 Composantes d’une sèrie chronologique .............. 9 1.1.3 Les différents modéles de série chronologique .......... 9 1.2 Série stationnaire ............................... 10 1.2.1 Bruit blanc ............................... 10 1.2.2 Les séries non Stationnaires ..................... 11 1.3 Les méthodes de prévision .......................... 11 1.3.1 Méthodes extrapolatives ....................... 11 1.3.2 Méthodes explicatives ........................ 11 1.4 Lissage exponentie

FAQ

Quelles méthodes de prévision sont comparées dans ce mémoire ?

Le mémoire compare la prévision par lissage exponentiel et une approche combinant le lissage avec des méthodes de machine learning, afin d’améliorer la précision des prévisions.

Sur quelles données l’étude est-elle appliquée ?

L’étude s’appuie sur des chroniques obtenues lors du séchage de la citrouille, utilisées pour construire et évaluer les modèles de prévision.

Quel rôle joue le logiciel R dans la démarche ?

Les modèles de prévision à base de lissage exponentiel sont créés et testés sur le logiciel R, puis complétés par une méthode de machine learning pour comparer les performances.

Aug 5, 2026

Télécharger par Skyler