|
Titre :
|
Classification of irrigation Water Based on Machine On Learning Approach
|
|
Auteurs :
|
Aymen Zegaar, Auteur ;
Ounoki Samira, Directeur de thèse
|
|
Support:
|
Livre
|
|
Editeur :
|
Biskra [Algerie] : Université Mohamed Khider, 2025/2026
|
|
Format :
|
p 119 / 30cm
|
|
Langues:
|
Français
|
|
Mots-clés:
|
Irrigation, Qualité des eaux souterraines, Classification, Apprentissage automa- tique, Modèle économique, Indices de qualité de l’eau.
ABSTRACT
|
|
Résumé :
|
Cette thèse inaugure l’intégration de modèles avancés d’apprentissage automatique dans la classification de l’eau d’irrigation. Partant de l’évaluation de la qualité de l’eau souterraine par l’IWQI et la classification de l’eau souterraine, la recherche évolue pour exploiter l’inter- prétabilité des modèles d’apprentissage automatique pour les prédictions. Cela marque un changement de paradigme dans les méthodologies d’évaluation de la qualité de l’eau, mettant l’accent sur des gains d’efficacité potentiels. L’application de l’apprentissage automatique assure une simulation précise de l’indice de qualité de l’eau d’irrigation (IWQI) et une approche économique rationalisée pour la surveillance. Ce travail a des implications substan- tielles pour la gestion des ressources en eau, bénéficiant particulièrement aux agriculteurs et aux décideurs. Les résultats contribuent à l’avancement des pratiques durables de gestion de l’eau, offrant une perspective transformative à l’intersection de l’apprentissage automatique et de l’évaluation de la qualité de l’eau d’irrigation.
|
