http://dspace.centre-univ-mila.dz/jspui/handle/123456789/11 2026-11-02T15:41:43Z http://dspace.centre-univ-mila.dz/jspui/handle/123456789/5027 Titre: Évaluation de l'impact du changement climatique sur l'évaporation des barrages, cas du barrage de Beni Haroun, Mila Auteur(s): Meghzili, Abdelmoumene Résumé: Ce travail porte sur l’évaluation de l’impact du changement climatique sur l’évaporation du barrage de Beni Haroun, l’un des ouvrages hydrauliques les plus importants d’Algérie. L’étude repose sur l’analyse de séries climatiques couvrant la période 1950–2025 issues de quatre stations météorologiques, ainsi que sur les données d’évaporation du réservoir entre 2003 et 2025. Des indices climatiques, notamment le SPEI-12 et l’indice d’aridité (AI), ainsi que des méthodes statistiques non paramétriques (Mann-Kendall, pente de Sen, test de Pettitt et ITA) ont été appliqués afin d’identifier les tendances, les ruptures climatiques et les facteurs influençant l’évaporation. Les résultats montrent une aggravation significative de la sécheresse avec une rupture détectée entre 2006 et 2012, tandis que l’aridité demeure relativement stable. L’évaporation du lac connaît une augmentation marquée après 2014, passant de 35,96 à 57,80 hm³/an. La température apparaît comme le principal facteur explicatif de cette évolution. Ces pertes croissantes représentent une menace pour la sécurité hydrique régionale et soulignent la nécessité de mettre en oeuvre des stratégies d’adaptation pour améliorer la gestion durable des ressources en eau. Description: This work examines the impact of climate change on evaporation at the Beni Haroun Dam, one of Algeria’s most important hydraulic structures. The study is based on the analysis of climate time series covering the period 1950–2025 from four weather stations, as well as evaporation data from the reservoir between 2003 and 2025. Climate indices, notably the SPEI-12 and the aridity index (AI), as well as nonparametric statistical methods (Mann-Kendall, Sen’s slope, Pettitt’s test, and ITA) were applied to identify trends, climate breaks, and factors influencing evaporation. The results show a significant worsening of drought with a break detected between 2006 and 2012, while aridity remains relatively stable. Lake evaporation has increased markedly since 2014, rising from 35.96 to 57.80 hm³/year. Temperature appears to be the primary factor driving this trend. These increasing losses pose a threat to regional water security and underscore the need to implement adaptation strategies to improve the sustainable management of water resources 2026-06-01T00:00:00Z http://dspace.centre-univ-mila.dz/jspui/handle/123456789/5026 Titre: Suivit temporelle de la qualité chimique des eaux souterraines et de surface de la vallée d’oued el nill (willaya de Jijel), à la base d’une recherche documentaire Auteur(s): Khalid, Meghzili Résumé: Ce travail évalue l’évolution temporelle (2015-2022) de la qualité chimique des eaux de surface et souterraines de la plaine alluviale d’Oued El Nil (Jijel, Algérie) à partir de deux campagnes de prélèvement (six stations de surface P1-P6 et six puits F1-F6). L’analyse des paramètres physico-chimiques, des rapports ioniques, des diagrammes de Piper, Schoeller, Richards (SAR/CE) et Wilcox (%Na) révèle une dégradation sévère des eaux de surface (CE multipliée par 2-3, fortes hausses de Ca²⁺, Cl⁻, SO₄²⁻, Na⁺, chute du Mg²⁺, basculement du faciès bicarbonaté naturel vers un faciès mixte anthropique Ca-(HCO₃-Cl-SO₄) lié aux engrais et rejets omestiques/industriels) et une évolution plus modérée des eaux souterraines (hausses limitées des mêmes ions, tous conformes aux normes JORA 2011, seul le pH devenant acide à F3. L’aptitude à l’irrigation passe de C2S1 (bonne) à C3S1 (admissible) pour les eaux de surface, les eaux souterraines restant majoritairement C2S1. La comparaison des deux compartiments démontre une contamination univoque de la surface vers la nappe par infiltration à travers les alluvions, l’aquifère jouant un rôle tampon. Une surveillance renforcée, une réduction des intrants agricoles, un traitement des eaux usées et une protection des zones de recharge sont recommandés. Ce travail fournit une base scientifique pour une gestion durable de la ressource en eau dans la région de Jijel. Description: This work assesses the changes over time (2015–2022) in the chemical quality of surface and groundwater in the Oued El Nil alluvial plain (Jijel, Algeria) based on two sampling campaigns (six surface stations P1–P6 and six wells F1– F6). Analysis of physico-chemical parameters, ion ratios, Piper diagrams, Schoeller, Richards (SAR/CE) and Wilcox (%Na) diagrams reveals severe degradation of surface water (CE increased by a factor of 2–3, sharp rises in Ca²⁺, Cl⁻, SO₄²⁻, Na⁺, a drop in Mg²⁺, a shift from a natural bicarbonate facies to a mixed anthropogenic Ca– (HCO₃⁻Cl⁻SO₄) linked to fertilizers and domestic/industrial discharges) and a more moderate change in groundwater (limited increases in the same ions, all compliant with JORA 2011 standards, with only the pH becoming acidic at F3). Irrigation suitability changes from C2S1 (good) to C3S1 (acceptable) for surface water, with groundwater remaining predominantly C2S1. A comparison of the two compartments demonstrates clear contamination from the surface to the groundwater table via infiltration through alluvial deposits, with the aquifer acting as a buffer. Enhanced monitoring, a reduction in agricultural inputs, wastewater treatment and protection of recharge areas are recommended. This study provides a scientific basis for the sustainable management of water resources in the Jijel region 2026-06-01T00:00:00Z http://dspace.centre-univ-mila.dz/jspui/handle/123456789/5025 Titre: MODÉLISATION ET PRÉVISION DES PERTES D’EAU PAR ÉVAPORATION A L’AIDE DE MODELES D’APPRENTISSAGE AUTOMATIQUE Auteur(s): Achraf, BOUADJEL Résumé: Evaporation plays a significant role in water loss in arid and semi-arid zones, which presents a major obstacle for managing water resources and maintaining dam stocks. This study aims to model and predict water losses resulting from evaporation at the "Koudia Asardoun" Dam in Bouira Province, which is the second largest dam in Algeria with a storage capacity of about 640 million cubic metres, and controls a casting basin with an area of 2,787 square kilometers.To establish the physical and dynamic framework of the basin, Geographic Information Systems (SIG) and remote sensing were relied upon to determine morphometric, topographic, and hydrographic characteristics; in addition to land cover classification using Sentinel-2 satellite visuals, which showed a pasture land dominance of 56.84%. In the digital modeling segment, a comparative study was conducted between a reference linear model represented by multiple linear regression (MLR) and an intelligent nonlinear model based on artificial neural 6 networks represented by the multilayer perceptron (MLPNN). Hydrometeorological factors such as peak temperature, lowest temperature, humidity levels, and wind velocity were employed as key inputs for forecasting evaporation. The models were tested under three data egmentation scenarios (60% - 40%, 70% - 30%, 80% - 20%), and performance was evaluated based on four statistical parameters: coefficient of determination (R), Nash-Sutcliffe coefficient (NSE), root mean square error (RMSE), and mean absolute error (MAE). The results showed the ability of the adopted models to extract complex relationships between climatic factors with high accuracy, as the multiple linear regression (MLR) model achieved a coefficient of determination (R) of 0.868 in the training phase and 0.851 in the validation phase in the distribution scenario (80% - 20%). The study concludes that integrating artificial intelligence and machine learning technologies represents an advanced and effective tool to support decision-making and develop proactive strategies to manage dams and conserve surface water resources in light of current climate change. Description: La perte d'eau est un problème majeur dans les régions arides et semi-arides, ce qui constitue un défi majeur pour la gestion des ressources en eau et la préservation des stocks de barrages. Cette étude vise à modéliser et prédire les pertes d’eau résultant de l’évaporation au barrage « Koudia Asardoun » dans la province de Bouira, qui est le deuxième plus grand barrage en Algérie avec une capacité de stockage d’environ 640 millions de mètres cubes, et contrôle un bassin de coulée d’une superficie de 2 787 kilomètres carrés.Pour établir le cadre physique et dynamique du bassin, les systèmes d’information géographique (SIG) et la télédétection ont été utilisés pour déterminer les caractéristiques morphométriques, topographiques et hydrographiques ; en plus de la classification de la 5 couverture terrestre à l’aide de Sentinel-2 images satellites, qui montraient une dominance des pâturages à 56,84 %. Dans le segment de la modélisation numérique, une étude comparative a été menée entre un modèle linéaire de référence représenté par la régression linéaire multiple (MLR) et un modèle non linéaire intelligent basé sur des réseaux de neurones artificiels représentés par le perceptron multicouche (MLPNN). Pour prédire l'évaporation, on a utilisé des variables hydrométéorologiques telles que la température maximale, la température minimale, l'humidité relative et la vitesse du vent. Les modèles ont été testés selon trois scénarios de segmentation des données (60 % - 40 %, 70 % - 30 %, 80 % - 20 %), et la performance a été évaluée sur la base de quatre paramètres statistiques : coefficient de détermination (R), coefficient de Nash-Sutcliffe (NSE), erreur quadratique moyenne (RMSE) et erreur absolue moyenne (MAE).Les résultats ont montré la capacité des modèles adoptés à extraire des relations complexes entre les facteurs climatiques avec une grande précision, car le modèle de régression linéaire multiple (MLR) a atteint un coefficient de détermination (R) de 0,868 lors de la phase d’entraînement et de 0,851 lors de la phase de validation dans le scénario de distribution (80 % - 20 %). L’étude conclut que l’intégration de l’intelligence artificielle et des technologies d’apprentissage automatique représente un outil avancé et efficace pour soutenir la prise de décision et développer des stratégies proactives pour gérer les barrages et conserver les ressources en eau de surface à la lumière du changement climatique actuel. 2026-06-01T00:00:00Z http://dspace.centre-univ-mila.dz/jspui/handle/123456789/5024 Titre: Conception et prototypage d’une machine de remplissage du miel Auteur(s): Meryem , Zetili , Djimli , Sifi Fatima Zahra , Salah Eddine Résumé: Ce projet porte sur la conception et la réalisation d’un prototype de machine de remplissage du miel basée sur un système de pesage électronique afin d’assurer un dosage précis et automatique du produit. Une étude des différentes technologies de remplissage ainsi qu’une analyse des caractéristiques du miel ont été menées pour définir les exigences du système. Une analyse fonctionnelle a permis d’identifier les besoins et les contraintes de conception. Le prototype réalisé utilise une carte Arduino Mega, un capteur de charge, un moteur pas à pas et un afficheur LCD pour contrôler le processus de remplissage. Les résultats obtenus montrent que le système garantit une bonne précision de dosage tout en réduisant les pertes de produit, ce qui en fait une solution adaptée aux petites et moyennes unités de production apicole. Description: This project focuses on the design and development of a honey filling machine prototype based on an lectronic weighing system to ensure accurate and automatic product dosing. A study of different filling technologies and the physical characteristics of honey was conducted to define the system requirements. Functional analysis was carried out to identify the needs and design constraints. The developed prototype uses an Arduino Mega board, a load cell sensor, a stepper motor, and an LCD display to control the filling process. The obtained results demonstrate that the system provides good filling accuracy while reducing product losses, making it a suitable solution for small and medium-sized beekeeping production units. 2026-06-01T00:00:00Z