Modélisation dynamique, classification et détection de changement dans les panels catégoriels issus d'un réseau d'eau intelligent
Year: 2019
Type: dissertation
Abstract: De nos jours, on observe une préoccupation croissante suscitée par les problèmes environnementaux et ceux liés à la gestion des ressources comme l'eau et l'électricité. Dans le cadre d'une collaboration avec Veolia Eau d'Île-de-France et le syndicat des eaux d'Île-de-France, cette thèse se focalise dans un premier temps sur la classification des consommateurs d'eau ayant une dynamique d'habitudes de consommation similaire dans le temps. Dans chaque classe, cette dynamique dépend d'un nombre de facteurs exogènes. Pour modéliser cette densité jointe, nous utilisons un modèle de mélange où chaque composante est un modèle de Markov non homogène. Une fois les paramètres de ce modèle estimés, les futures habitudes de consommation dans chaque classe peuvent être prédites. Dans un second temps, le problème de la détection de changements structurels, communs à un ensemble de consommateurs est également étudié. Pour ce faire, les tests séquentiels d'hypothèses du rapport de vraisemblance sont utilisés. Ces derniers sont fondés sur des modèles de Markov non homogènes pour pouvoir modéliser le comportement dynamique des consommateurs. Un seuil adaptatif est également estimé en utilisant les simulations de type Monte Carlo. Cela permet d'adapter le seuil à différents types de changement et de réduire le taux de fausses alarmes. Les résultats de classification et de détection de changements obtenus sur une base de données réelle issue d'un réseau d'eau se sont révélés pertinents et efficaces. Finalement, une analyse de l'influence des variables exogènes en utilisant les paramètres estimés des modèles proposés permet d'enrichir les interprétations
Source: theses.fr (ABES)
Author: Milad Leyli Abadi
Language: French
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7148709463