Prédiction des teneurs en métaux lourds par réseau de neurone

Le présent travail porte sur la prédiction des teneurs en métaux lourds (Zn, Cu, Pb et Mn) dans les sédiments superficiels du barrage Sidi Chahed à partir d-un certain nombre de paramètres physico-chimiques, en utilisant deux outils de modélisation : la régression linéaire multiple RLM et les réseaux de neurones artificiels RNA. Pour atteindre cet objectif de prédiction et de modélisation, la régression linéaire multiple et non linéaire ont été réalisée avec XLSTAT alors que les réseaux de neurones ont été effectués avec le logiciel STATISTICA 10. mLes modèles prédictifs obtenus avec les réseaux de neurones utilisent un algorithme de rétro-propagation et un apprentissage supervisé. Ils sont performants avec une seule couche cachée et une architecture de [18 - 15 -1] pour le plomb et le zinc, de [18-11 -1] pour le manganèse et de [18 - 8 -1] pour le cuivre. Les résultats montrent que les modèles prédictifs établis par la méthode des réseaux de neurones artificiels, sont nettement plus performants comparativement à ceux établis par la méthode basée sur la régression linéaire multiple.

Dr. Rachid EL CHAAL a obtenu une licence en maths en 2014, puis un master en géophysique appliquée en 2013. Il detient aussi un doctorat en modélisation et optimisation. Il est professeur qualifié en mathématiques.