Identification et Gestion des Risques Liés aux Projets de Construction
| dc.contributor.author | BOUGHABA, Amina | |
| dc.contributor.author | BOUABAZ ,Mohamed | |
| dc.date.accessioned | 2024-03-27T08:38:08Z | |
| dc.date.available | 2024-03-27T08:38:08Z | |
| dc.date.issued | 2020-07-11 | |
| dc.description.abstract | La gestion des risques de perdre ou de gagner un contrat est une préoccupation majeure dans le domaine de la budgétisation des projets de constructions. La pratique des méthodes mathématiques sont aujourd’hui un outil nécessaire à la bonne gestion des projets. Pour cela, notre problématique a centrée sur la façon de gérer et contrôler les facteurs de succès ou de l'échec de projets de construction, par le développement d'un modèle mathématiques rigoureux et plus précis pour la gestion de ces risques. Pour résoudre ce problème, on a commencé par l'analyse de l’environnement actuel du projet de la construction algérienne à partir d’une analyse SWOT, pour ressortir les facteurs internes et externes qui influent sur le processus d'appel d’offres relatives aux projet de construction pendant tout le processus. Nous avons commencé à appliquer cet outil de choix pour obtenir les informations nécessaires et d'établir une meilleure qualité des projets de construction. À cet égard, cet outil vise à identifier les menaces-opportunités et les forces-faiblesses liées à l'environnement de divers projets de construction nationaux. En seconde étape nous avons proposé des modèles basées sur une technique par l'intelligence artificielle pour le traitement des données. En premier lieu, on a créé un modèle neuronale, sous l'appellation de réseaux de neurones récurrent (RNN). Nous avons ensuite proposé un algorithme par la logique floue (FL). Puis, nous avons proposé la combinaison de ces deux modèles afin de construire un système prédictif qui s'appuie sur l'intégration des réseaux de neurones et la logique floue. Les résultats obtenus à partir des tests réalisés sur les modèles ont montrés que le modèle ANFIS fonctionne bien et sont très encourageants pour la prévision de l'état du projet à travers ces facteurs, et meilleurs que ceux obtenus par les modèles réseaux de neurones récurrent et par la logique floue. | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/605 | |
| dc.language.iso | fr | |
| dc.publisher | Université 20 aout 1955 Skikda | |
| dc.title | Identification et Gestion des Risques Liés aux Projets de Construction | |
| dc.type | Thesis |