Author/Authors :
lalilti, anass université abdelmalek essaadi - faculté des sciences et techniques - département des sciences de la terre, laboratoire d environnement, océanologie et ressources naturelles, Maroc , el moumni, bouchta université abdelmalek essaadi - faculté des sciences et techniques - département des sciences de la terre, laboratoire d environnement, océanologie et ressources naturelles, Maroc , el arrim, abdelkrim université abdelmalek essaadi - faculté des sciences et techniques - département des sciences de la terre, laboratoire d environnement, océanologie et ressources naturelles, Maroc , el malki, hajar université abdelmalek essaadi - faculté dessciences et techniques - département des sciences de la terre, laboratoire d environnement, océanologie et ressources naturelles, Maroc , alaoui mhammedi, narjiss université abdelmalek essaadi - faculté des sciences et techniques - département des sciences de la terre, laboratoire d environnement, océanologie et ressources naturelles, Maroc , ousmana, habiba université moulay ismail - faculté des sciences - département de géologie, equipe sciences de l eau et ingénierie de l environnement, Maroc , berrada, mohamed université moulay ismail - ensam de meknès - laboratoire de mathematiques et modélisation informatique (lm2i), Maroc , el hmaidi, abdellah université moulay ismail - faculté des sciences - département de géologie, equipe sciences de l eau et ingénierie de l environnement, Maroc
Abstract :
Le présent travail présente une tentative de prédiction des teneurs en carbonates et en éléments détritiques et biogènes en fonction des paramètres granulométriques et minéralogiques des éléments contenus dans les sédiments du Quaternaire terminal recoupés par carottage dans les volcans de boue de la marge atlantique nord marocaine dans Golfe de Cadix. C’est une sorte de modélisation basée sur la méthode des Réseaux de Neurones Artificiels RNA de type PMC (Perceptrons multicouches). Elle a été effectuée à l’aide du logiciel Matlab. Les résultats obtenus montrent que les trois paramètres étudiés ont été prédits avec une très bonne précision en utilisant un modèle neuronal de configuration [8 - 4 - 3] avec une fonction d’activation non linéaire de type Sigmoïde pour la couche cachée et une fonction d’activation linéaire dans la couche de sortie. Le meilleur choix de l’architecture du réseau réalisé est obtenu grâce aux essais préliminaires. Les réseaux de neurones, performants, ont montré une capacité importante d’apprentissages et de prédiction pour les teneurs en carbonates et en éléments Biogènes et Détritiques. Le coefficient de corrélation R est de 0,98 à 0,99 et l’erreur quadratique moyenne (MSE) est très faible de 0,035 à 0,037 pour la base de données utilisée. Les paramètres étudiés sont liés dans l’ensemble de la base des données avec les paramètres modélisés par une relation non linéaire.
NaturalLanguageKeyword :
Quaternaire terminal , Volcans de boue , Golfe de Cadix , Marge atlantique marocaine , Prédiction , Réseaux de Neurones Artificiels
