Système d'aide à la décision pour la détection offline des cas de fraudes sur le réseau sonelgaz

dc.contributor.authorMoulay, Azzeddine
dc.date.accessioned2015-06-11T09:42:33Z
dc.date.available2015-06-11T09:42:33Z
dc.date.issued2012
dc.description84 p. : ill. ; 30 cmen_US
dc.description.abstractLe vol d'électricité est un problème au quel sont confrontés toutes les compagnies d'électricité dans le monde entier. Trouver des mesures efficaces pour la détection de la consommation frauduleuse de l'électricité a été un domaine de recherche actif ses dernières années. Dans le présent travail on propose une nouvelle approche de détection des pertes non-techniques dans les réseaux 'électriques en utilisant les techniques de fouille de données et les techniques de l'intelligence artificielle ; à savoir: les séparateurs à vaste marge (SVM). La motivation principale de cette étude est d'aider la Sonelgaz (Algérie) à réduire ses pertes non techniques dans le secteur de distribution. Le système intelligent développé dans cette étude de recherche détecte les clients suspects afin qu'ils soient inspectés sur place par les agents de la société de distribution.Cette approche fournit une méthode d'exploration de données, ce qui implique la sélection et l'extraction des caractéristiques de l'historique des indexes de consommation des clients. La technique des séparateurs à vaste marge appliquée dans cette étude utilise ces caractéristiques afin de dénoncer les comportements anormaux ou bien suspectsen_US
dc.identifier.urihttps://dspace.univ-boumerdes.dz123456789/1646
dc.language.isofren_US
dc.subjectIntelligence artificielleen_US
dc.subjectExploration de donnéesen_US
dc.subjectRéseaux électriques (énergie)en_US
dc.titleSystème d'aide à la décision pour la détection offline des cas de fraudes sur le réseau sonelgazen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Moulay Azzeddine.pdf
Size:
3.91 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections