Chabli, SaidaKebour, ImaneGatt, F. (Promotrice)Zerrouki, D.(Promotrice)2024-11-212024-11-212023https://dspace.univ-boumerdes.dz/handle/123456789/1476671 p. : ill. ; 30 cm.Dans ce travail, nous abordons le probl`eme de la corrosion, un ph´enom`ene bien connu qui pr´esente un risque pour notre environnement. L’objectif de cette ´etude est de mod´eliser l’influence des param`etres physico-chimiques sur la vitesse de corrosion. Pour atteindre cet objectif, nous avons utilis´e l’apprentissage automatique supervis´e pour ´evaluer les performances des mod`eles existants de pr´ediction bas´es sur les donn´ees de SONATRACH. Nous avons mis en place deux mod`eles de r´egression : la r´egression lin´eaire et la r´egression polynomiale. En utilisant ces mod`eles, nous avons pu pr´edire la vitesse de corrosion en fonction des param`etres physico-chimiques ´etudi´es. Nous avons ensuite compar´e les performances des deux mod`eles `a l’aide d’une m´etrique appropri´ee et d´etermin´e le meilleur mod`ele. De plus, afin de faciliter l’utilisation de notre approche de pr´ediction, nous avons d´evelopp´e une interface graphique conviviale. Cette interface permet aux utilisateurs d’obtenir les meilleures pr´edictions pour la vitesse de corrosion en entrant les valeurs des param`etres physico-chimiques.frApprentissage automatiqueRégression linéaireRégression polynomiale.Thesis