Contribution à la modélisation de la qualité des eaux

Abstract

Les usines de production d’eau potable se composent d’un certain nombre de procédés très complexes faisant appel à des procédures physico - chimiques et biologiques; le passage de l’eau dans un tel système provoque une modification notable de sa qualité, celle-ci varie d’une façon significative dans sa composition organique et physico-chimique. Les niveaux de variation se développent dans une large gamme de variables descriptives, en particulier, la turbidité, la température, la conductivité, etc., et dépendent donc des caractéristiques de l’eau et en particulier du mode et du degré d’interaction avec les composantes extérieurs caractérisant l’installation de production à savoir les réactions chimiques. Le grand nombre de variables, ainsi que leur nature dynamique complique grandement le suivi de l’évolution de la qualité de l’eau dans une usine de production. Parmi toutes les étapes de la chaîne de traitement des eaux nous nous sommes intéressés à la phase de coagulation. C’est un procédé qui fait appelle à des phénomènes très complexes, son efficacité dépend en grand partie de la qualité de l’eau à traiter et principalement de la dose du coagulant à injecter, cette dernière peut être (selon les unités de production) soit à base de sels d’aluminium ou de fer. <br/> Afin d’évaluer les conditions optimales de coagulation, des essais dits de «Jar-Test» (JT) sont conduits à l’échelle de laboratoire. Ceux-ci menés dans une large gamme de conditions d’opérations permettent, de déterminer le type de coagulant et son dosage. Ce type d’approche (Jar-Test) à l’inconvénient de nécessiter un temps de réponse relativement long, de plus, elle ne permet pas de suivre finement l’évolution de la qualité de l’eau brute. On voit ici tout l’intérêt de disposer d’un contrôle automatique et efficace de ce procédé pour un meilleur rendement de traitement et une réduction des coûts d’exploitation. Dans cette thèse, on propose une nouvelle méthode de prédiction de la dose du coagulant (CO) en fonction de six variables descriptives caractérisant l’eau brute à l’entrée de la station de traitement des eaux potables de Boudouaou (Alger) à savoir la température(TE), le pH, la turbidité (TU), la conductivité (CON), l’oxygène dissous (OX) et les ultraviolet (UV254) ; basée sur la techniques des réseaux de neurones artificiels et les systèmes neuroflous. Pour le modèle à base de réseau de neurones nous avons appliqué trois types d’architecture à savoir le perceptron multicouches (MLPNN), les réseaux de neurones à fonctions radiale de base (RBFNN) ainsi que les réseaux de neurones à fonction de régression générale (GRNN). Pour le modèle neuroflou nous avons appliqué le modèle universel appelé ANFIS (Adaptive Neurofuzzy Inference System). Afin d’évaluer les performances des modèles utilisés, les résultats obtenus sont comparés à ceux d’un modèle à base de régression linéaire multiple (RLM).L’analyse en composantes principales (ACP) a été appliquée afin de déceler d’éventuels effets prépondérants des différents variables pris en considération. Les résultats obtenus sont d’un grand intérêt, d’une part la dose du coagulant varie en fonction des six variables caractérisant l’eau brute, ce qui confirme la complexité du processus mise en jeu, et il n’est y à aucune variable prépondérante, et d’autres part le modèle ANFIS à montré sa capacité à modéliser des processus complexes et non linéaires.