Note: Ce projet s'inscrit dans le cadre d'un satge

• 1. Data preparation & exploration

• 2. Prediction des Temperatures (SARIMA)

• 3. Prediction des précipétations (ARIMA, LSTM)

• 4. prédiction du rendement agricole (Vector auto-regressive model - VAR & Multiple linear regression)

• Les données utilisées :
  

• Historique météorologique de 30 années contenant les températures les précipitations quotidiens daily 30 years.csv
  
• Production annuel de blé tendre de 30 années dernières bt.csv
  

• Des explications simples mais précises et claires sur les théories derière les modèles et les techniques utilisés dans ce projet sont ici

• présentation de soutenance : sur ce lien

• Data ressources : Meteostat, Direction de la stratégie et statistiques (Ministère de l'agriculture)
  
• Documentation des libraireies de python : statsmodels, Pandas, scikit-learn, pmdarima
  
• Cours magistraux de séries chronologiques et régression linéaire.
  
• Articles en web LSTM Models for Time Series -MACHINGLEARNING MASTERY, Time series forecasting- SARIMA vs Auto ARIMA models -Medium