Modelisation par reseaux de neurones et conduite d'un pilote d'ultrafiltration pour la production d'eau potable

par Nathalie Delgrange

Thèse de doctorat en Génie des procédés et de l'environnement

Sous la direction de Corinne Cabassud.

Soutenue en 2000

à Toulouse, INSA .


  • Résumé

    Cette etude concerne la conception et la mise au point de reseaux de neurones, pour modeliser, simuler et conduire une installation pilote de production d'eau potable par ultrafiltration. Les donnees experimentales ont ete recueillies en grand nombre, lors d'une phase d'experimentation avec un pilote fonctionnant sur eau de seine. L'analyse de ces donnees, par differentes techniques statistiques, a permis d'identifier des correlations d'un certain nombre de parametres de qualite d'eau et de conditions operatoires avec les performances du procede. L'elaboration de modeles, combinant un modele de connaissance et des reseaux de neurones, a conduit a la prediction de l'evolution de la pression transmembranaire a l'echelle d'un cycle, puis a l'echelle de plusieurs cycles. De plus, une etude de sensibilite a permis d'identifier les parametres impliques dans le colmatage reversible, a court terme, et irreversible, a long terme. Le modele qui decrit la formation de colmatage a long terme a ete utilise pour simuler le procede. Une strategie de conduite du procede a ete proposee, dont l'objectif est de determiner les conditions operatoires, en fonction de la qualite de l'eau brute, pour lesquelles le pilote peut fonctionner sans colmatage irreversible. Le modele par reseaux de neurones est utilise pour predire ce colmatage. L'application de cette strategie a permis de faire fonctionner le pilote plusieurs mois sans colmatage significatif et en ameliorant la productivite du procede.

  • Titre traduit

    Neural network modeling and control of an ultrafiltration plant for drinking water production


  • Résumé

    This study concerns the development of neural networks to model, simulate and control an ultrafiltration pilot plant for drinking water production. Numerous experimental data were obtained, with a plant filtering Seine river water. Experimental data analysis, performed with different statistical techniques, allowed to identify correlation between some operating conditions, water quality parameters and the pilot performances. Several models were built, combining a knowledge model and neural networks, in order to predict the time-variation of transmembrane pressure during a filtration cycle, then several cycles. Moreover, a sensibility study allowed to identify the main parameters involved in reversible and irreversible fouling. The model that describes long scale fouling formation was used to simulate the process. A strategy was proposed to control the pilot plant, in order to determine the appropriate operating conditions, as a function of the raw water quality, that allows to prevent irreversible fouling formation. The neural network model is then used to predict fouling quantification. The application of this strategy allowed to operate several months without significant fouling and with an increase of the plant productivity.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 157-[78] p.
  • Annexes : 79 ref.

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées. Bibliothèque centrale.
  • Disponible pour le PEB
  • Cote : 2000/598/DEL
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.