Overview

Dans ce travail, le problème de conception du prédicteur neuronal est étudié. Dans une première partie, on présente les différentes séries temporelles utilisées dans la partie conception de prédicteur. Ensuite, on présente les méthodes stochastiques utilisées pour la prédiction des séries temporelles stationnaires, non stationnaire en moyenne et en variance, saisionaires. Puis un état de l'art des techniques de soft computing: algorithmes génétiques, les réseaux de neurones et la logique floue. Prenant appui sur cet état de l'art nous proposons un prédicteur hybride des deux techniques du soft computing RNA/AG. Nous avons présenté dans un premier temps la méthode d'optimisation d'un prédicteur neuronal basée sur un algorithme génétique réel. Cette méthode consiste a l'optimisation simultanée de la topologie de réseaux de neurones, les paramètres de contrôle de réseaux de neurones et les intervalles initiaux des poids synaptiques. Ensuite, nous avons décrit l'étape d'initialisation des chromosomes en spécifier les sous ensembles de chaque gène dans le chromosome. Enfin, pour tester l'efficacité de la méthode, des simulations dans 3domaines: économie, écologie et météo.