Mohamed Mroueh Dit Injibar

Mohamed Mroueh Dit Injibar

Auto-generated profile, based on publicly available information

Mohamed Mroueh Dit Injibar

Triskell Consulting, Puteaux, France

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
6 January 2025 in IEEE Access
Verified
Journal Article
Open access
MMM. Mroueh
M. Mroueh
MDMoustapha DOUMIATI
Moustapha DOUMIATI
CFC. Francis
C. Francis
MMM. Machmoum
M. Machmoum
Load forecasting is essential for efficient microgrid management, providing key advantages in operational efficiency, cost control, and grid reliability. As microgrids become increasingly critical in the global transition toward decentralized renewable energy systems, accurately predicting load demand is vital for optimizing performance and ensuring a stable, resilient, and sustainable power supply. This study introduces a novel short-term load forecasting approach based on Belief Functions Theory (BFT). The proposed method employs information fusion techniques to combine multiple predictors, each with its own forecasting mechanism. Using lagged power values and weather data, the predictors generate estimated power values along with corresponding uncertainty or error levels. A mass function is assigned to each predictor, taking into account both prediction and error data, even when some information is missing. These mass functions are then merged to produce a final, reliable prediction. Application of this method to publicly available load datasets demonstrates its effectiveness, achieving a 12% reduction in forecasting error compared to state-of-the-art methods and delivering substantial improvements in computational efficiency.

6 April 2026
Verified
Thesis
Closed access
MIMohamed Mroueh Dit Injibar
Mohamed Mroueh Dit Injibar
Cette thèse porte sur la détection de maladies cardio-vasculaires grâce à la surveillance de signaux physiologiques. L’objectif est de développer des approches de classification mono- et multi-label, basées sur la théorie des fonctions de croyance, pour prédire ou diagnostiquer une complication liée à une ou plusieurs maladies cardio-vasculaires. D’abord, une approche proposant une extraction de paramètres et une modélisation de l'information dans un cadre évidentiel est développée pour prédire la fibrillation atriale, une arythmie cardiaque. Une extension de cette approche utilise une option de rejet de classification et une modélisation alternative de l'information. La thèse élargit par la suite le domaine d’application pour couvrir plusieurs maladies cardio-vasculaires à la fois. Le problème est alors défini comme une classification multi-label où les labels représentent des traits caractéristiques des maladies. Une approche de classification multi-label est développée dans le domaine évidentiel qui se sert des corrélations entre les maladies pour accroître la précision du diagnostic. Enfin, une approche théorique de classification multi-label qui profite de la corrélation entre les labels a été proposée. Cette méthode d’ensemble permet de classifier en multi-label de manière efficace. Les approches proposées sont validées grâce à une base de données médicale publique, MIMIC III, hébergée sur Physionet.

4 May 2022 in IRBM
Verified
Journal Article
Closed access
MMM. Mroueh
M. Mroueh
DAD. Alshamaa
D. Alshamaa
FMF. Mourad-Chehade
F. Mourad-Chehade
FAF. Abdallah
F. Abdallah