raph-na/Inondation_Douala

Application d'alerte contre les inondations # 🌧️ Flood Alert Douala Système intelligent d'alerte contre les inondations pour la ville de Douala (Cameroun) — **sans capteurs physiques**, basé uniquement sur des APIs publiques (météo, hydrologie, marée, topographie) et un modèle de Machine Learning entraîné sur l'historique réel des inondations de la ville. L'application combine **deux approches complémentaires** : - un **calcul prévisionnel** par règles pondérées, 100% explicable ; - un **modèle de Machine Learning** (Random Forest) entraîné sur 37 événements historiques documentés (1984–2026). --- ## 📁 Structure du projet ``` flood_app/ ├── app.py # Backend Flask — routes API (orchestration uniquement) ├── config.py # Configuration centralisée (clés API, seuils, chemins) ├── services.py # Appels aux APIs externes (météo, marée, fleuve, terrain, géocodage) ├── moteur_calcul.py # Moteur de risque — calcul prévisionnel (règles pondérées) ├── moteur_ml.py # Moteur de risque — Machine Learning (RandomForest) ├── quartiers.py # Référentiel des 35 quartiers de Douala ├── base_donnees.py # Persistance SQLite (historique des alertes) ├── frontend.py # Interface utilisateur Streamlit ├── requirements.txt # Dépendances Python ├── .env # Clés API (⚠️ ne jamais committer) ├── .gitignore └── data/ ├── quartiers_douala.csv # 35 quartiers : coordonnées + risque historique ├── historique_ml_flat.csv # 37 événements historiques (entraînement ML) ├── flood.db # Base SQLite (créée au premier lancement) └── model_risque.joblib # Modèle ML entraîné (créé au premier lancement) ``` --- ## ⚙️ Installation ```bash # 1. Créer un environnement virtuel (recommandé) python3 -m venv venv source venv/bin/activate # Windows : venv\Scripts\activate # 2. Installer les dépendances pip install -r requirements.txt ``` ### Configuration de …