Proposition et développement d'un objet intelligent pour la prévention contre les accidents de plongée en apnée

Abstract

Ce projet de fin d'études a pour objectif de développer pour la première fois, un système intelligent novateur pour la détection de la syncope et la prévention des dangers de la plongée en apnée. En utilisant la méthode d'apprentissage supervisé Random Forest, nous avons entraîné un modèle capable de prédire les risques de syncope en se basant sur les données environnementales et physiologiques des plongeurs telles que la profondeur, l’accélération du mouvement et le temps. Ce système est conçu pour émettre des alertes précoces, contribuant ainsi à augmenter la sécurité lors de la plongée en apnée. En outre, ce travail comprend une revue approfondie des méthodes d'apprentissage automatique comme l’algorithme du Random Forest de l’apprent issage supervisé ainsi que les outils de développement. Enfin, quatre sénarios probables sont envisagés, discutés et présentés par émulation.

Mots clés : Apnée, syncope, machine learning, détection, randomforest, émulation