Méthode LSTM versus méthodes traditionnelles de séries temporelles

Abstract

Ce mémoire présente une étude comparative entre deux grandes approches de prévision des séries temporelles appliquées à la consommation d'électricité : les méthodes statistiques classiques, comme les modèles SARIMA, et les méthodes récentes basées sur l'apprentissage profond, notamment les réseaux de neurones LSTM et leurs variantes. L'objectif est d'évaluer leur efficacité sur des données réelles. Les résultats montrent que les modèles LSTM-CNN offrent de meilleures performances dans les situations complexes, bien qu'ils nécessitent davantage de ressources de calcul. Ce travail permet ainsi de mieux comprendre les avantages et les limites de chaque approche