WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Evaluation de la dynamique spatio-temporelle de l'évolution de la covid a Libreville par une approche machine learning


par Bakari RAMADANE
Institut Africain d’Informatique - Diplôme d’Ingénieur Informaticien 0000
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Chapitre VII : MISE EN OEUVRE DE LA SOLUTION

Ce chapitre présente l'analyse des besoins de l'outil, l'étude des contraintes et sa conception. L'analyse de l'outil s'est soldée par des diagrammes de cas d'utilisation et de des diagrammes d'activité. La phase de conception quant à elle a permis de réaliser les architectures de notre outil et le schéma de données qui seront recueillies du simulateur.

22. Analyse du besoin

Partant du modèle de Machine Learning proposé, notre travail consiste à développer une application web interactif pour les administrations en charge de la santé publique, qui permettra d'atteindre deux grands objectifs à savoir :

ï Simuler l'évolution de la dynamique spatio-temporelle d'une épidémie en s'appuyant sur une collecte préalable des données.

ï Analyser les résultats produits à l'étape précédente avec des outils d'exploration de données interactifs pour extraire l'information utile aux autorités en charge de la santé.

Le simulateur prédit l'évolution de la dynamique spatio-temporelle d'une épidémie sur une périodicité bien définie. A l'issus de cette simulation, des données représentant l'état prévisionnel de la situation épidémique d'une zone d'étude bien déterminée, et sur la plage de jours préalablement précisée sont générées. Les données simulées seront analysées et interprétées pour servir d'outils d'aide à la décision aux autorités en charge de la santé publique.

a) Besoins du système

Les besoins du système informatique représentent la description de ce que le système doit faire, des services qu'il doit offrir et des contraintes liées à ses opérations. Ces besoins sont classés en deux catégories : les besoins fonctionnels et les besoins non-fonctionnels.

(1) Besoins fonctionnels

Le simulateur EVAL-EPI qui fait l'objet de notre travail a un double objectif.

· Premièrement permettre de simuler l'évolution de la dynamique spatio-temporelle d'une épidémie et,

· Deuxièmement offrir des outils d'aide à la décision aux autorités en charge de la santé publique, à travers des indicateurs épidémiologiques extraites à l'aide d'une analyse des données issues de la simulation.

Nous pouvons par conséquent distinguer six grands groupes de fonctionnalités à ce niveau :

1. Les fonctionnalités liées à la simulation de l'évolution de la dynamique spatio-temporelle d'une épidémie.

2. Les fonctionnalités liées à la gestion des indicateurs épidémiologiques à suivre.

3. Les fonctionnalités liées à l'exploration des données issues de la simulation.

4. Les fonctionnalités liées à gestion des utilisateurs

5. Les fonctionnalités liées à gestion des modèles de simulations

6. Les fonctionnalités liées à gestion de la visualisation

(a) Fonctionnalités liées à la simulation de l'évolution de la dynamique spatio-temporelle d'une épidémie

L'idée est de permettre à l'utilisateur de simuler la dynamique spatio-temporelle de l'épidémie, en se basant sur les données d'inventaires, les paramètres de la dynamique de l'épidémie ainsi que les paramètres de simulation qu'il a fournie.

Les données d'inventaires sont des données de suivi journalier de l'évolution des cas d'infecté, de décès, d'hospitalisation ... qui sert de base de données d'entrainement du modèle de Machine Learning.

Les paramètres liés à la simulation sont :

· La date de début de la simulation.

· Les localités sur lesquelles la simulation aura lieu.

· La période de prédiction de la simulation

· La période de comparaison des données simulées avec les données réelles.

· Le modèle utilisé pour la simulation

· Les métriques d'évaluation de la performance des modèles,

· Pourcentage des données d'entrainement

Dans cette section un utilisateur a la possibilité de :

· configurer les données d'inventaire préalablement chargées,

· procéder au prétraitement des données d'inventaire préalablement chargées,

· choisir un modèle de simulation,

· ajuster les hyper paramètres d'un modèle de simulation,

· saisir les paramètres de simulation.

Une fois les données d'inventaires chargées, les paramètres saisis, et validés par l'utilisateur, une vérification de la cohérence et la conformité de données chargée et des paramètres saisies par l'utilisateur sera effectuée, avant de procéder au prétraitement des données et enfin le lancement effectif de la simulation. Si la vérification échoue ou s'il se produit une erreur durant la simulation, un message doit être renvoyé à l'utilisateur afin de lui permettre de la corriger.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il ne faut pas de tout pour faire un monde. Il faut du bonheur et rien d'autre"   Paul Eluard