Académique Documents
Professionnel Documents
Culture Documents
TP1
Dans le contexte d’application du résultat de cette classification sur des
données réelles collectées de mon milieu professionnel (Société Tunisienne de
l’Electricité et du Gaz/ District Sbeïtla). J’ai préparé une base de données sur les
demandes d’électrification et raccordement au réseau STEG du mois d’Aout
2022. Pour la classification de ces données, nous avons donné un taux de
faisabilité de ces demandes.
v.append(a/b)
#print(v)
d=np.empty([2, 31])
for i in range(0,2):
for k in range (0,31):
d[i][k]=abs(x[k]-v[i])
#print(d)
for i in range(0,c) :
for k in range(0,31) :
s=0
for j in range(0,2):
s=s+((d[i][k]/d[j][k])**2)
u[i][k]= 1/s
#print(u)
J=[0]
for i in range(0,c):
for k in range(0,31):
J=J+(u[i][k]**2)*((x[k]-v[i])**2)
JJ.append(J)
risque=u[0]
day=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,2
8,29,30,31]
plt.plot(day,risque)
ENSIT & UVT Mohamed KOUISSI MP IASRIA2
plt.xticks(day)
plt.show()
print("res du jour1",u[0][10],"est de classe2 ",u[1][10])
Conclusion
Comme montre ce TP l’utilisation de classification par la logique floue
aide nous de valoriser les données et de l’interpréter plus facilement.