Etudiant : AHJOUJI MERIEM

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. RIFFI JAMAL

Annèe : 2024

Résumé : Traditionnellement, les prévisions météorologiques sont effectuées à l’aide de modèles physiques complexes qui intègrent diverses conditions atmosphériques sur de longues périodes. Ces conditions étant souvent instables en raison des perturbations du système météorologique, les modèles peuvent fournir des prévisions inexactes. Étant donné l'importance cruciale de la météo pour l’agriculture. L'objectif est de former des modèles d'apprentissage automatique capables de fournir des prévisions précises sur certaines conditions météorologiques futures. Ce projet se concentre sur le développement d'un modèle intelligent pour optimiser l'utilisation des ressources naturelles et améliorer l'efficacité de la production agricole, en particulier en période de stress climatique. Pour répondre aux besoins du projet ATLECS, nous avons utilisé des modèles LSTM (Long Short-Term Memory), des GRU (Gated Recurrent Units) et d'autres techniques de pointe pour la prévision météorologique.