Journal américain de l'administration de médicaments et de la thérapeutique Libre accès

Abstrait

Prédiction des indicateurs environnementaux dans le nivellement du terrain à l'aide de la technique de l'intelligence artificielle

Isham Alzoub

Français Le nivellement du sol est l'une des étapes les plus importantes de la préparation du sol à des fins agricoles et autres. De nouvelles techniques basées sur l'intelligence artificielle, telles que le réseau de neurones artificiels, l'intégration du réseau de neurones artificiels et de l'algorithme de compétition impérialiste (ICA-ANN), ou les algorithmes génétiques (GA-ANN), ou l'optimisation par essaim de particules (PSO-ANN) ont été utilisées pour développer des modèles prédictifs afin d'estimer les paramètres liés à l'énergie et les résultats ont été comparés aux résultats de SPSS et de l'analyse de sensibilité. Dans cette étude, plusieurs propriétés du sol telles que le volume de déblais/remblais, le facteur de compressibilité, la gravité spécifique, la teneur en humidité, la pente de la zone, le pourcentage de sable et l'indice de gonflement ont été mesurées et leurs effets sur la consommation d'énergie ont été étudiés. Au total, 90 échantillons ont été prélevés sur 3 zones terrestres selon une taille de grille de 20 m × 20 m. L'objectif de ce travail était de développer des modèles prédictifs basés sur des techniques d'intelligence artificielle pour prédire les indicateurs environnementaux du nivellement du sol. Les résultats de l'analyse de sensibilité ont montré que seuls trois paramètres, à savoir la densité du sol, la compressibilité du sol et le volume de déblais/remblais, avaient des effets significatifs sur la consommation d'énergie. Parmi les méthodes proposées, le GA-ANN avait la meilleure capacité de prédiction des paramètres énergétiques environnementaux. Cependant, pour la prédiction de LE et FE, les algorithmes ANN et ICA-ANN avaient de meilleures performances. D'autre part, le logiciel SPSS avait une valeur R 2 plus élevée que le logiciel Minitab et l'analyse de sensibilité et en fait proche des valeurs ANN. Mots-clés : Énergie ; Algorithme de compétitivité impérialiste ; Analyse de sensibilité ; ANN ; Nivellement du terrain ; Indicateurs environnementaux.