Proposition d'une architecture de modèles pour la prédiction, l'optimisation par la simulation de séries temporelles

Dans le cadre du programme scientifique Smart Village - Smart Paesi, émergence de territoires intelligents, un réseau de capteurs sans fil a été déployé sur le site expérimental du village de Cozzano. Cela doit permettre la collecte d'informations environnementales du site et contribuer à la construction d'un système d'aide à la décision pour les estionnaires des ressources du village (énergie, eau, chauffage, qualité du signal du réseau sans fil). Cependant, la supervision en temps réel des installations ne peut représenter seul un véritable outil d'aide à la décision. L'objectif de nos travaux est de compléter le système par un modèle d'apprentissage automatisé et générique nous permettant de réaliser des prédictions sur des séries temporelles afin de prédire l'évolution des systèmes observés par les réseaux de capteurs sans fil et d'anticiper des prises de décisions correctrices dans le cadre de la gestion des ressources de la commune. Nous proposons d'intégrer ces travaux dans une vision d'une intelligence ambiante au service de l'environnement par le couplage d'algorithmes de prédiction(algorithmes d'apprentissage supervisé) de séries temporelles des systèmes observés et d'optimisation de ces systèmes par la simulation. Dans cet article, nous proposons une architecture de modèles selon le formalisme DEVS permettant de réaliser une approche temporelle pilotée par des évènements des prédictions sur des séries temporelles et de l'optimisation des systèmes selon un trio de données décisionnelles (D). environnementales (E) et de résultats attendus (R). Nous validons notre approche par le biais de la prédiction de la force du signal(RSSI)sans fil du réseau de capteurs et de la simulation de l'optimisation de la qualité de l'eau.