Zazoua, El-Hadi
(2022).
« Modèles de prédiction à apprentissage automatique pour les réseaux de capteurs sans fil à énergie renouvelable » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en génie électrique.
Fichier(s) associé(s) à ce document :
Résumé
Les performances des réseaux de capteurs sans fil à récolte d’énergie sont dépendantes de la disponibilité de l’énergie ambiante aux nœuds du réseau. Une bonne gestion de l’énergie récoltée est primordiale au bon fonctionnement du réseau. Les nœuds du réseau suivent une politique d’allocation d’énergie qui réduit les dépenses inutiles. La transmission abusive est l’une de ces dépenses inutiles. Elle survient lorsqu’un nœud émetteur ignore si le nœud récepteur est apte à recevoir ou non. Lors d’un envoi infructueux, en attente d’un accusé de réception, le nœud émetteur renvoie les données perdues jusqu’à la réception d’acquittement. Dans ce travail nous proposons un processus de communication basé sur la prédiction d’énergie des nœuds récepteurs pour un réseau de capteurs sans fil à récolte d’énergie afin d’éviter ces dépenses inutiles et améliorer, de ce fait, les performances de ces réseaux. Ces dernières années, la prédiction faite par des modèles de l’apprentissage automatique présente des performances de précision qui surpassent la majorité des modèles classiques de prédiction. Dans le cadre de cette problématique, nous avons utilisé les architectures neuronales suivantes, LSTM (Réseau de neurones à mémoire court terme et long terme, en anglais long short-term memory), N-BEATS (Analyse de l'expansion de la base neuronale pour les séries chronologiques, en anglais neural basis expansion analysis for time series) et Transformer, dans un modèle du réseau de capteurs sans fil composé de plusieurs nœuds. Nos expériences de validation montrent que parmi les modèles proposés, le modèle Transformer offre les meilleurs résultats en matière de précision. La prédiction est utilisée par l’émetteur pour estimer la quantité d’énergie des nœuds récepteurs et ainsi pour décider d’émettre ou pas s’il y a suffisamment d’énergie au récepteur et de faire une sélection entre les différents récepteurs dans le cas où plusieurs récepteurs sont aptes à recevoir simultanément. Les résultats obtenus des simulations du processus de communication permettent d’affirmer que ce processus basé sur la prédiction permet d’améliorer les performances du réseau en termes de fiabilité de transmission et de diminuer le temps nécessaire pour la collecte des données.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : Réseaux de capteurs sans fil (RCSF), Récolte d’énergie dans les RCSF, Apprentissage supervisé, Modèle de prédiction de séries temporelles, LSTM, Transformer, NBEATS.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Ajib, Wessam |
| Mots-clés ou Sujets: |
Réseaux de capteurs sans fil / Récupération d'énergie / Énergies renouvelables / Modèles prédictifs / Apprentissage supervisé |
| Unité d'appartenance: |
Faculté des sciences |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
11 nov. 2022 13:20 |
| Dernière modification: |
11 nov. 2022 13:20 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/16118 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
