التنبؤ بتغيرات درجة الحرارة في منطقة ورقلة باستخدام خوارزميات التعلم الآلي

Abstract

يهدف في هذا العمل التنبؤ بتغيرات الطقس في منطقة ورقلة باستخدام خوارزميات التعلم الالي ومن خلال منطقة مختارة من الجزائر. وخلال مقارنة قيم معطيات بعض العناصر الجوية من الرطوبة والضغط الجوي ودرجة الحرارة، قد اعتمدنا في هذا العمل على درجة حرارة في منطقة المختارة. خلال دراستنا مقارنة لمعطيات درجة حرارة مع معطيات الملاحظة في منطقة المختارة في فترة الممتدة من 01/2021 الى غاية 01/2022. نستخلص ان درجة الحرارة تكون مستقرة على مدى فترات والتي تتناسب مع معدل الفصلي. تم تقسيم البيانات الى مجموعة تدريب 80% ومجموعة اختبار 20% لتجربة الخوارزميةARIMA . تم استخدام قيم الجذر التربيعي لمتوسط مربعات الفروق(RMSE) لقياس دقة الخوارزمية. وجدنا قيمة الخطأ في النموذج RMSE=1.276، وهو هامش خطأ مقبول ويمكن تحسينه أكثر.

Ce travail vise à prédire les changements météorologiques dans la région de Ouargla à l'aide d'algorithmes d'apprentissage automatique et à travers une région sélectionnée d'Algérie. En comparant les valeurs de données de certains éléments atmosphériques tels que l'humidité, la pression atmosphérique et la température, nous nous sommes appuyés dans ce travail sur la température dans la zone sélectionnée. Au cours de notre étude, une comparaison des données de température avec les données observées dans la zone sélectionnée dans la période du 01/2021 au 01/2022. Nous concluons que la température est stable sur les périodes et qu'elle est proportionnelle au taux saisonnier. Les données ont été divisées en 80 % d'ensemble d'apprentissage et 20 % d'ensemble de test pour expérimenter l'algorithme ARIMA. Les valeurs des différences quadratiques moyennes (RMSE) ont été utilisées pour mesurer la précision de l'algorithme. Nous avons trouvé la valeur d'erreur dans le modèle RMSE = 1,276, ce qui est une marge d'erreur acceptable et peut être encore améliorée

This work aims to predict weather changes in the Ouargla region using machine learning algorithms and through a selected region of Algeria. By comparing the data values of some atmospheric elements such as humidity, atmospheric pressure and temperature, we have relied in this work on the temperature in the selected area. During our study, a comparison of the temperature data with the data observed in the selected area in the period from 01/2021 to 01/2022. We conclude that the temperature is stable over periods, which is proportional to the seasonal rate. The data was divided into 80% training set and 20% test set to experiment with the ARIMA algorithm. The root mean squared difference (RMSE) values were used to measure the accuracy of the algorithm. We found the error value in the model RMSE=1.276, which is an acceptable margin of error and can be improved further