{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/7374"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/7374","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Optimisation du transfert des données dans un réseau de capteurs sans-fil sous contraintes énergétiques application aux compteurs d'eau intelligents","abstract":""La préservation de l'eau potable est non seulement une priorité environnementale mais une nécessité pour l'approvisionnement des grandes concentrations urbaines. De ce fait, plusieurs grandes villes ont installé des compteurs d'eau intelligents afin de mieux contrôler la consommation d'eau et surtout éviter le gaspillage d'eau dû aux fuites. Une supervision étroite de la consommation nécessite une lecture fréquente des compteurs d'eau ce qui peut générer une grande quantié de données à analyser et surtout l'épuisement rapide des batteries de ces compteurs à cause des multiples transmissions de données sans-fil effectuées. Un défi majeur est de réduire le nombre de transmissions de données sans-fil, source importante de consommation d'énergie, sans toutefois affecter l'efficacité du système de supervision de la consommation d'eau. Dans cette thèse, nous proposons plusieurs algorithmes qui permettent de surmonter ce défi. Elle est organisée en deux chapitres. Dans le premier chapitre, on propose une approche basée sur la catégorisation de données (Clustering) de type partitionnement afin de regrouper les clients ayant des variations de consommation d'eau similaires pour une période donnée. Pour chaque groupe établi, on définit la fréquence appropriée de lecture des compteurs d'eau. Cette fréquence est ajustée en fonction du groupe. De cette manière on peut ajuster la collecte des données en fonction de la variation de la consommation d'eau du groupe. Cette technique s'avère efficace pour réduire le nombre de transferts de données et ainsi réduire la consommation d'énergie. Dans le deuxième chapitre, on combine une méthode de prédiction de la consommation avec la méthode de partitionnement présentée dans le premier chapitre. On utilise l'Auto-regressive Integrated Moving Average (ARIMA) pour faire cette prédiction. Un compteur d'eau transfert des lectures uniquement quand la prédiction ne tombe dans une plage d'erreur définie. Cette approche semble donner de bons résultats en termes de réduction du nombre de transferts de données. Les algorithmes proposés dans les deux chapitres ont été comparés avec d'autres algorithmes de réduction de données. Mots clés: économie d'énergie, catégorisation, séries temporelles, compteurs intelligents, réseaux de capteurs sans-fil, prédiction de séries temporelles, transfert de données."--Résumé.","abstract_html":""La préservation de l'eau potable est non seulement une priorité environnementale mais une nécessité pour l'approvisionnement des grandes concentrations urbaines. De ce fait, plusieurs grandes villes ont installé des compteurs d'eau intelligents afin de mieux contrôler la consommation d'eau et surtout éviter le gaspillage d'eau dû aux fuites. Une supervision étroite de la consommation nécessite une lecture fréquente des compteurs d'eau ce qui peut générer une grande quantié de données à analyser et surtout l'épuisement rapide des batteries de ces compteurs à cause des multiples transmissions de données sans-fil effectuées. Un défi majeur est de réduire le nombre de transmissions de données sans-fil, source importante de consommation d'énergie, sans toutefois affecter l'efficacité du système de supervision de la consommation d'eau. Dans cette thèse, nous proposons plusieurs algorithmes qui permettent de surmonter ce défi. Elle est organisée en deux chapitres. Dans le premier chapitre, on propose une approche basée sur la catégorisation de données (Clustering) de type partitionnement afin de regrouper les clients ayant des variations de consommation d'eau similaires pour une période donnée. Pour chaque groupe établi, on définit la fréquence appropriée de lecture des compteurs d'eau. Cette fréquence est ajustée en fonction du groupe. De cette manière on peut ajuster la collecte des données en fonction de la variation de la consommation d'eau du groupe. Cette technique s'avère efficace pour réduire le nombre de transferts de données et ainsi réduire la consommation d'énergie. Dans le deuxième chapitre, on combine une méthode de prédiction de la consommation avec la méthode de partitionnement présentée dans le premier chapitre. On utilise l'Auto-regressive Integrated Moving Average (ARIMA) pour faire cette prédiction. Un compteur d'eau transfert des lectures uniquement quand la prédiction ne tombe dans une plage d'erreur définie. Cette approche semble donner de bons résultats en termes de réduction du nombre de transferts de données. Les algorithmes proposés dans les deux chapitres ont été comparés avec d'autres algorithmes de réduction de données. Mots clés: économie d'énergie, catégorisation, séries temporelles, compteurs intelligents, réseaux de capteurs sans-fil, prédiction de séries temporelles, transfert de données."--Résumé.","abstract_has_math":false,"creators":["De Souza, Koffi Vignon Christian Kevin"],"institution":"Université de Moncton,","degree_name":"Maîtrise ès sciences (informatique)","degree_level":"2e cycle","degree_discipline":"Faculté des sciences","degree_department":null,"school":null,"contributors":[],"advisors":["Fournier-Viger, Philippe","Almhana, Jalal"],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-07-24T03:09:56Z","subjects":["Réseaux de capteurs sans fil","Économies d'énergie","Méthode de prévision de Box-Jenkins","Réduction des données (Statistique)","Données","Transmission","Compteurs d'eau","Informatique","Série chronologique","Algorithmes optimaux"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1791"],"render_values":[{"text":"umir:1791","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/7374","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Fournier-Viger, Philippe","Almhana, Jalal"]},{"key":"dc:creator","label":"Author","values":["De Souza, Koffi Vignon Christian Kevin"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T18:01:13Z","2025-05-13T19:56:30Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T18:01:13Z","2025-05-13T19:56:30Z"]},{"key":"dc:date.issued","label":"Date","values":["2018"]},{"key":"dc:publisher","label":"Institution","values":["Université de Moncton,"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Faculté des sciences"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences (informatique)"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Réseaux de capteurs sans fil","Économies d'énergie","Méthode de prévision de Box-Jenkins","Réduction des données (Statistique)","Données","Transmission","Compteurs d'eau","Informatique","Série chronologique","Algorithmes optimaux"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1791"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/7374"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":[""La préservation de l'eau potable est non seulement une priorité environnementale mais une nécessité pour l'approvisionnement des grandes concentrations urbaines. De ce fait, plusieurs grandes villes ont installé des compteurs d'eau intelligents afin de mieux contrôler la consommation d'eau et surtout éviter le gaspillage d'eau dû aux fuites. Une supervision étroite de la consommation nécessite une lecture fréquente des compteurs d'eau ce qui peut générer une grande quantié de données à analyser et surtout l'épuisement rapide des batteries de ces compteurs à cause des multiples transmissions de données sans-fil effectuées. Un défi majeur est de réduire le nombre de transmissions de données sans-fil, source importante de consommation d'énergie, sans toutefois affecter l'efficacité du système de supervision de la consommation d'eau. Dans cette thèse, nous proposons plusieurs algorithmes qui permettent de surmonter ce défi. Elle est organisée en deux chapitres. Dans le premier chapitre, on propose une approche basée sur la catégorisation de données (Clustering) de type partitionnement afin de regrouper les clients ayant des variations de consommation d'eau similaires pour une période donnée. Pour chaque groupe établi, on définit la fréquence appropriée de lecture des compteurs d'eau. Cette fréquence est ajustée en fonction du groupe. De cette manière on peut ajuster la collecte des données en fonction de la variation de la consommation d'eau du groupe. Cette technique s'avère efficace pour réduire le nombre de transferts de données et ainsi réduire la consommation d'énergie. Dans le deuxième chapitre, on combine une méthode de prédiction de la consommation avec la méthode de partitionnement présentée dans le premier chapitre. On utilise l'Auto-regressive Integrated Moving Average (ARIMA) pour faire cette prédiction. Un compteur d'eau transfert des lectures uniquement quand la prédiction ne tombe dans une plage d'erreur définie. Cette approche semble donner de bons résultats en termes de réduction du nombre de transferts de données. Les algorithmes proposés dans les deux chapitres ont été comparés avec d'autres algorithmes de réduction de données. Mots clés: économie d'énergie, catégorisation, séries temporelles, compteurs intelligents, réseaux de capteurs sans-fil, prédiction de séries temporelles, transfert de données."--Résumé."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic","sans mediatio","volume"]},{"key":"dc:title","label":"Title","values":["Optimisation du transfert des données dans un réseau de capteurs sans-fil sous contraintes énergétiques application aux compteurs d'eau intelligents"]}]}],"canonical_facts":{"dc:contributor.advisor":["Fournier-Viger, Philippe","Almhana, Jalal"],"dc:creator":["De Souza, Koffi Vignon Christian Kevin"],"dc:date.accessioned":["2024-12-20T18:01:13Z","2025-05-13T19:56:30Z"],"dc:date.available":["2024-12-20T18:01:13Z","2025-05-13T19:56:30Z"],"dc:date.issued":["2018"],"dc:description.abstract":[""La préservation de l'eau potable est non seulement une priorité environnementale mais une nécessité pour l'approvisionnement des grandes concentrations urbaines. De ce fait, plusieurs grandes villes ont installé des compteurs d'eau intelligents afin de mieux contrôler la consommation d'eau et surtout éviter le gaspillage d'eau dû aux fuites. Une supervision étroite de la consommation nécessite une lecture fréquente des compteurs d'eau ce qui peut générer une grande quantié de données à analyser et surtout l'épuisement rapide des batteries de ces compteurs à cause des multiples transmissions de données sans-fil effectuées. Un défi majeur est de réduire le nombre de transmissions de données sans-fil, source importante de consommation d'énergie, sans toutefois affecter l'efficacité du système de supervision de la consommation d'eau. Dans cette thèse, nous proposons plusieurs algorithmes qui permettent de surmonter ce défi. Elle est organisée en deux chapitres. Dans le premier chapitre, on propose une approche basée sur la catégorisation de données (Clustering) de type partitionnement afin de regrouper les clients ayant des variations de consommation d'eau similaires pour une période donnée. Pour chaque groupe établi, on définit la fréquence appropriée de lecture des compteurs d'eau. Cette fréquence est ajustée en fonction du groupe. De cette manière on peut ajuster la collecte des données en fonction de la variation de la consommation d'eau du groupe. Cette technique s'avère efficace pour réduire le nombre de transferts de données et ainsi réduire la consommation d'énergie. Dans le deuxième chapitre, on combine une méthode de prédiction de la consommation avec la méthode de partitionnement présentée dans le premier chapitre. On utilise l'Auto-regressive Integrated Moving Average (ARIMA) pour faire cette prédiction. Un compteur d'eau transfert des lectures uniquement quand la prédiction ne tombe dans une plage d'erreur définie. Cette approche semble donner de bons résultats en termes de réduction du nombre de transferts de données. Les algorithmes proposés dans les deux chapitres ont été comparés avec d'autres algorithmes de réduction de données. Mots clés: économie d'énergie, catégorisation, séries temporelles, compteurs intelligents, réseaux de capteurs sans-fil, prédiction de séries temporelles, transfert de données."--Résumé."],"dc:format":["application/pdf"],"dc:format.medium":["electronic","sans mediatio","volume"],"dc:identifier.other":["umir:1791"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/7374"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Université de Moncton,"],"dc:rights":["Author"],"dc:subject":["Réseaux de capteurs sans fil","Économies d'énergie","Méthode de prévision de Box-Jenkins","Réduction des données (Statistique)","Données","Transmission","Compteurs d'eau","Informatique","Série chronologique","Algorithmes optimaux"],"dc:title":["Optimisation du transfert des données dans un réseau de capteurs sans-fil sous contraintes énergétiques application aux compteurs d'eau intelligents"],"dc:type":["Text","thèse"],"thesis:degree_discipline":["Faculté des sciences"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences (informatique)"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:09:56Z"}