Refoufi, Mounia2024-06-232024-06-232023-07-09https://dspace.univ-tlemcen.dz/handle/112/22806En conclusion, la prévision des séries temporelles par les réseaux de neurones représente une approche puissante et prometteuse pour analyser et prédire les tendances et les modelés dans les données temporelles. Les réseaux de neurones, tels que les réseaux MLP, ont démontre leur capacité `a capturer les d´dépendances temporelles et `a fournir des prévisions précises. L’utilisation des réseaux de neurones permet de bénéficier de leur capacité `a apprendre `a partir des données, à modéliser les relations complexes entre les observations temporelles et `a s’adapter `a différents types de séries temporelles. Ils offrent également la possibilité de traiter des séquences de longueur variable et de prendre en compte les caractéristiques spécifiques des données temporelles, telles que les saisons, les tendances et les variations irrégulières. Cependant l’entrainement des réseaux de neurones pour la prévision des séries temporelles implique l’optimisation des paramètres du modelé en utilisant des techniques d’optimisation telles que la rétropropagation du gradient. La sélection des hyperparamètres, tels que le nombre de couches cachées, le nombre de neurones, le taux d’apprentissage, etc, est cruciale pour obtenir de bonnes performances prédictives. La performance des modelés de réseaux de neurones pour la prévision des séries temporelles peut être évaluée en utilisant des métriques telles que l’erreur quadratique moyenne (MSE), le critère BIC pour évaluer la robustesse et la généralisation des modèles. En résumé, l’utilisation des réseaux de neurones offre une approche mathématiquement rigoureuse pour la prévision des séries temporelles. Ces modèles peuvent capturer les structures temporelles complexes et fournir des prédictions précises. Cependant, il est important de prendre en compte les aspects pratiques de la modélisation, tels que la sélection des paramètres et l’élagage du nombre de couches cachées , pour garantir des résultats fiables et valides.frles reseaux de neurones,les reseaux MLP,les relations complexes,les series temporelles,les variations irregulieres,la retropropagationThesis