Machine Learning pour l\'étude de la performance hydraulique des ouvrages portuaires: cas Marina d\'Alger
Auteur
Amara, Lounis
Chalal, Yahia
La construction d’ouvrages de protection contre la houle nécessite des coûts très élevé. De ce fait la connaissance de caractéristiques du site d’implantation est primordiale, pour que ces ouvrages soit rentable en termes de coûts, durable et efficace pour la protection contre la houle. L’objectif de ce projet de fin d’études est d’appliqué le machine learning pour l’étude de la performance hydraulique des ouvrages portuaires, cas Marina d’Alger. Pour faire, nous avons commencé par le traitement et l’analyse des données climatologiques de la zone via des méthodes de prédiction des évènements extrêmes POT et GEV, ces résultats ont été utilisées pour l’étude hydrodynamique avec la modélisation numérique à l’aide DHI Mike21. Se basant sur les résultats de cette dernière étape on a procédé aux calculs de dimensions des digues. Puis, en utilisant des formules semiempirique on a quantifié les différentes actions hydrauliques exercées sur l’ouvrage. Après avoir testé plusieurs méthodes pour développer un modèle de machine learning qui prédit les débits de franchissement, en utilisant une base de données extraite de celle développé dans le cadre du projet européen CLASH. On a opté pour le XGBOOST qui donne le meilleur résultat, l’application du modèle sur la Marina Bay montre que notre modèle est fiable.