[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-fr-114":3,"doc-seo-127241-114":48,"doc-detail-127241-fr":123},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,21,24,28,32,36,40,44],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},67,"Document","Général",61,"general",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},66,"Art de vivre",60,"lifestyle",{"id":11,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":16,"slug":20},"Bande dessinée","comic",{"id":16,"doc_module":4,"doc_module_name":9,"category_name":22,"show_sort_weight":16,"slug":23},"Examen","exam",{"id":25,"doc_module":4,"doc_module_name":9,"category_name":26,"show_sort_weight":16,"slug":27},59,"Littérature","literature",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":16,"slug":31},64,"Recherche & Rapport","research-report",{"id":33,"doc_module":4,"doc_module_name":9,"category_name":34,"show_sort_weight":16,"slug":35},58,"Récits & Romans","story-novel",{"id":37,"doc_module":4,"doc_module_name":9,"category_name":38,"show_sort_weight":16,"slug":39},65,"Religion & Spiritualité","religion-spirituality",{"id":41,"doc_module":4,"doc_module_name":9,"category_name":42,"show_sort_weight":16,"slug":43},63,"Santé & Soins","healthcare",{"id":45,"doc_module":4,"doc_module_name":9,"category_name":46,"show_sort_weight":16,"slug":47},62,"Technologie","technology",{"code":4,"msg":49,"data":50},"ok",{"site_id":51,"language":52,"slug":53,"title":54,"keywords":55,"description":56,"schema_data":57,"social_meta":116,"head_meta":118,"extra_data":120,"updated_unix":122},114,"fr","comparative-study-of-forecasting-with-exponential-smoothing-and-combined-smoothing-using-machine-learning-application-to-pumpkin-drying-time-series","Etude comparative entre les prévision par lissage exponentiel et lissage combiné avec le machine learning - application à la chronique lisage de la citrouille","","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.",{"@graph":58,"@context":115},[59,76,98],{"@type":60,"itemListElement":61},"BreadcrumbList",[62,67,70,73],{"item":63,"name":64,"@type":65,"position":66},"https://docshare.wps.com","Home","ListItem",1,{"item":68,"name":9,"@type":65,"position":69},"https://docshare.wps.com/fr/document/",2,{"item":71,"name":30,"@type":65,"position":72},"https://docshare.wps.com/fr/document/recherche-rapport/",3,{"item":74,"name":54,"@type":65,"position":75},"https://docshare.wps.com/fr/document/comparative-study-of-forecasting-with-exponential-smoothing-and-combined-smoothing-using-machine-learning-application-to-pumpkin-drying-time-series/127241/",4,{"url":74,"name":54,"@type":77,"image":78,"author":83,"headline":54,"publisher":86,"fileFormat":89,"inLanguage":52,"description":56,"dateModified":90,"datePublished":91,"encodingFormat":89,"isAccessibleForFree":92,"interactionStatistic":93},"DigitalDocument",{"url":79,"@type":80,"width":81,"height":82},"https://docshare.wps.com/thumbnails/comparative-study-of-forecasting-with-exponential-smoothing-and-combined-smoothing-using-machine-learning-application-to-pumpkin-drying-time-series/127241.png","ImageObject",300,407,{"name":84,"@type":85},"Skyler","Person",{"url":63,"name":87,"@type":88},"DocShare","Organization","application/pdf","2026-10-11","2026-08-05",true,{"@type":94,"interactionType":95,"userInteractionCount":97},"InteractionCounter",{"@type":96},"ViewAction",6,{"@type":99,"mainEntity":100},"FAQPage",[101,107,111],{"name":102,"@type":103,"acceptedAnswer":104},"Quelles méthodes de prévision sont comparées dans ce mémoire ?","Question",{"text":105,"@type":106},"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.","Answer",{"name":108,"@type":103,"acceptedAnswer":109},"Sur quelles données l’étude est-elle appliquée ?",{"text":110,"@type":106},"L’étude s’appuie sur des chroniques obtenues lors du séchage de la citrouille, utilisées pour construire et évaluer les modèles de prévision.",{"name":112,"@type":103,"acceptedAnswer":113},"Quel rôle joue le logiciel R dans la démarche ?",{"text":114,"@type":106},"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.","https://schema.org",{"og:url":74,"og:type":117,"og:title":54,"og:site_name":87,"og:description":56},"article",{"robots":119,"canonical":74},"index,follow",{"doc_id":121,"site_id":51},127241,1785937696,{"code":4,"msg":5,"data":124},{"doc_id":121,"user_id":125,"nickname":84,"user_avatar":126,"doc_module":4,"category_id":29,"category_name":30,"doc_title":54,"doc_description":56,"doc_content":127,"file_id":128,"file_url":129,"file_type":130,"file_size":131,"view_count":97,"is_deleted":4,"is_public":66,"is_downloadable":66,"audit_status":66,"page_count":132,"language":133,"language_code":52,"site_id":51,"html_lang":52,"table_of_contents":134,"faqs":135,"seo_title":136,"seo_description":56,"update_tm":122,"read_time":137},2336475104042,"https://ap-avatar.wpscdn.com/avatar/22000c4c32af1715be0?x-image-process=image/resize,m_fixed,w_180,h_180&k=1786537525561427321","Université AMO de Bouira  \nFaculté des Sciences et des Sciences Appliquées Département du Mathématiques  \nMémoire de Master  \nFilière : Mathématiques  \nSpécialité : Recherche Opérationnelle  \nThème  \nEtude comparative entre les prévision par lissage exponentiel et lissage combiné avec le machine learning :  \napplication à la chronique lisage de la citrouille  \nPrésenté par :  \n— BOUKERDOUN KARIMA  \n— CHENAFI OUALID  \nDevant le jury composé de :  \nPrésident Mr Omar HAMDOUNI MAA U. A/M/O Bouira.  \nEncadreur M r L’hadi BOUGHANI MAA U. A/M/O Bouira.  \nExaminateurs Mr Elghani IFTISSENE MAA U. A/M/O Bouira.  \nMr Karim HAMID MAA U. A/M/O Bouira.  \nDédicaces  \nDe Karima  \nAux 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.  \nÀ mon frère Djamel.  \nÀ mes soeur Hafidha,Manel,Anfel,Hanane.  \nÀ mon bînome : Walid.  \nÀ tous les membres des familles : Boukerdoun, Haddad.  \nSans oblier tout les professeurs que ce soit du primaire ,du moyen,du secondaire ou del’enseignement supérieur.  \nÁ Tous mes collègues d’étude et surtout la promotion 2022/2023 .  \nSans oblier tout les professeurs que ce soit du primaire ,du moyen,du secondaire ou del’enseignement supérieur.  \nÁ Toutes et à Tous.  \nJe vous dédie ce modeste travail  \nDédicaces  \nDe Walid  \nAux 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.  \nÀ mes fréres Mohamed et Soufiane.  \nÀ mes soeur Lydia etHanane.  \nÀ ma bînome : Karima.  \nÀ tous les membres des familles : Chenafi, Zaidi.  \nÁ Tous mes collègues surtout la promotion 2022/2023 .  \nÁ Toutes et à Tous.  \nJe vous dédie ce modeste travail  \nRemerciements  \nNos 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.  \nNous 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.  \nNous 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.  \nNos sincères remerciements s’adressent enfin à tous ceux qui nous ontsoutenu de prés ou de loin.  \nEnfin ,nous remercions les professeurs Amel Belhadj,Ouidja Daya ,De mouche Nacer et Bedak Said  \nMecri à Tous  \nRésumé  \nLe 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.  \nMots Clés : Série chronologique, Lissage exponentiel, Holt-Winter, Tendance, saisonnalité, Machine learning, apprentissage supervisé, apprentissage non supervisé, Langage R.  \nTable des matières  \nListe des tableaux 3  \nTable des figures 4  \nIntroduction Générale 6  \n1 Méthodes de lissage exponentiel pour la prévision 8  \n1.1 Génaralités sur les séries chronologiques .................. 8  \n1.1.1 Dèfinition d’une sèrie chronologique ................ 8  \n1.1.2 Composantes d’une sèrie chronologique .............. 9  \n1.1.3 Les différents modéles de série chronologique .......... 9  \n1.2 Série stationnaire ............................... 10  \n1.2.1 Bruit blanc ............................... 10  \n1.2.2 Les séries non Stationnaires ..................... 11  \n1.3 Les méthodes de prévision .......................... 11  \n1.3.1 Méthodes extrapolatives ....................... 11  \n1.3.2 Méthodes explicatives ........................ 11  \n1.4 Lissage exponentie","cbCailsYkSIjeYn6","https://ap.wps.com/l/cbCailsYkSIjeYn6","pdf",1467720,55,"French","# Introduction Générale\n# Méthodes de lissage exponentiel pour la prévision\n## Généralités sur les séries chronologiques\n## Série stationnaire\n## Méthodes de prévision\n## Lissage exponentiel\n## Commandes de lissages exponentiel dans R\n# Machine Learning\n## Définition et Histoire\n## Importance et applications du Machine Learning\n## Méthodes d’apprentissage\n# Prévision par lissage exponentiel et lissage-machine learning\n## Modél de lissage exponentiel\n## Modélisation par lissage combiné avec le machine learning\n## Modèle Lissage-Machine Learning\n# Conclusion Générale\n# Annexes\n# Bibliographie","[{\"question\":\"Quelles méthodes de prévision sont comparées dans ce mémoire ?\",\"answer\":\"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.\"},{\"question\":\"Sur quelles données l’étude est-elle appliquée ?\",\"answer\":\"L’étude s’appuie sur des chroniques obtenues lors du séchage de la citrouille, utilisées pour construire et évaluer les modèles de prévision.\"},{\"question\":\"Quel rôle joue le logiciel R dans la démarche ?\",\"answer\":\"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.\"}]","Etude comparative entre les prévision par lissage exponentiel et lissage combiné avec le machine learning - application à la chronique lisage de la citrouille | PDF",85]