Image principale

DÉCOUVRIR LE PROJET

Time Series Anunlysis

De Surveillance à Prévision Rivière Débit Temps Séries Analyse
Projet centré sur modélisation et prévision rivière eau niveaux et débit vitesses en utilisant univarié temps série techniques sur hydrologiques données de le Vigicrues réseau. Le base de code est conçu comme un modulaire, style bloc-notes pipeline que lit bruts CSV exportations, prétraite les en nettoyer temps série, effectue stationnarité analyse, et génère court terme prévisions avec ARIMA modèles.

PYTHON - PANDAS - NUMPY - MATPLOTLIB - STATSMODELS (ADF, ARIMA)

Aperçu du Projet

L'objectif de ce projet est de construire un cadre réutilisable et paramétrable pour analyser et prévoir les niveaux et débits d'eau des rivières françaises à l'aide des données Vigicrues, en se concentrant sur les rivières Nartuby et La Pique. L'objectif est de passer de téléchargements CSV bruts à des prévisions validées basées sur ARIMA, soutenues par des graphiques de diagnostic, des tests de stationnarité et des métriques d'erreur quantitatives telles que le RMSE.

Le projet ingère les fichiers CSV de Vigicrues, analyse les colonnes de timestamps et de mesures, et les restructure en séries indexées par le temps pour le niveau d'eau et le débit à plusieurs stations. La stationnarité est évaluée par des statistiques roulantes et le test de Dickey–Fuller augmenté, suivis d'une transformation logarithmique et d'une différenciation pour satisfaire les hypothèses ARIMA. Des modèles ARIMA distincts sont entraînés pour chaque variable (niveau et vitesse pour Nartuby et La Pique), avec les valeurs ajustées retransformées à l'échelle d'origine et comparées visuellement et via le RMSE pour évaluer la performance de prévision.

La philosophie du projet met l'accent sur la transparence, la modularité et la rigueur statistique dans la manipulation des séries chronologiques hydrologiques. Chaque étape — du prétraitement et des diagnostics de stationnarité à l'ajustement et à l'évaluation du modèle — est codée et visualisée explicitement, ce qui rend le flux de travail facile à étendre à de nouvelles rivières, horizons ou modèles tout en restant fidèle aux principes établis des séries chronologiques pour la prévision des niveaux d'eau.

La philosophie du projet met l'accent sur la transparence, la modularité et la rigueur statistique dans la manipulation des séries chronologiques hydrologiques. Chaque étape — du prétraitement et des diagnostics de stationnarité à l'ajustement et à l'évaluation du modèle — est codée et visualisée explicitement, ce qui rend le flux de travail facile à étendre à de nouvelles rivières, horizons ou modèles tout en restant fidèle aux principes établis des séries chronologiques pour la prévision des niveaux d'eau.

SUCCÈS

SUCCÈS

100
%
%

%

SATISFACTION

SATISFACTION

99
%
%

%

PLUS DE PROJETS

PLUS DE PROJETS

Coaching vidéo immersif pour l'observance de la PPC (Pression Positive Continue)

Pipeline IA Edge-to-Cloud fournissant des vidéos de coaching médical personnalisées en moins de 60 secondes via la qualité à la demande 5G/6G

Coaching vidéo immersif pour l'observance de la PPC (Pression Positive Continue)

Pipeline IA Edge-to-Cloud fournissant des vidéos de coaching médical personnalisées en moins de 60 secondes via la qualité à la demande 5G/6G

Coaching vidéo immersif pour l'observance de la PPC (Pression Positive Continue)

Pipeline IA Edge-to-Cloud fournissant des vidéos de coaching médical personnalisées en moins de 60 secondes via la qualité à la demande 5G/6G

KPI des utilisateurs Distriweb

Des journaux bruts à l'analyse en temps réel – Analyse Power BI pour la gestion des utilisateurs de plateformes pharmaceutiques

KPI des utilisateurs Distriweb

Des journaux bruts à l'analyse en temps réel – Analyse Power BI pour la gestion des utilisateurs de plateformes pharmaceutiques

KPI des utilisateurs Distriweb

Des journaux bruts à l'analyse en temps réel – Analyse Power BI pour la gestion des utilisateurs de plateformes pharmaceutiques

Apprentissage profond

Des ensembles de données classiques aux CNN modernes – Expériences d'apprentissage profond en vision et classification

Apprentissage profond

Des ensembles de données classiques aux CNN modernes – Expériences d'apprentissage profond en vision et classification

Apprentissage profond

Des ensembles de données classiques aux CNN modernes – Expériences d'apprentissage profond en vision et classification

Traitement d'images satellites

Des pixels bruts aux informations – Analyse et amélioration d'images satellites multispectrales

Traitement d'images satellites

Des pixels bruts aux informations – Analyse et amélioration d'images satellites multispectrales

Traitement d'images satellites

Des pixels bruts aux informations – Analyse et amélioration d'images satellites multispectrales

Application mobile de quiz basée sur le Wi-Fi

Quiz mobiles Wi-Fi transparents – Évaluation MCQ mobile en temps réel

Image principale

Application mobile de quiz basée sur le Wi-Fi

Quiz mobiles Wi-Fi transparents – Évaluation MCQ mobile en temps réel

Image principale

Application mobile de quiz basée sur le Wi-Fi

Quiz mobiles Wi-Fi transparents – Évaluation MCQ mobile en temps réel

Image principale

Bonjour ! Hello !

Faites défiler vers le bas pour voir mes projets

Bonjour ! Hello !

Faites défiler vers le bas pour voir mes projets

Bonjour ! Hello !

Faites défiler vers le bas pour voir mes projets

Vous avez un projet ?

Planifier un appel.

Parlons !!

Vous avez un projet ?

Disponible pour un nouveau poste à partir du

5 octobre 2026

Disponible pour un nouveau poste à partir du

4 juillet 2025

Disponible pour un nouveau poste à partir du

5 octobre 2026