Prédiction par réseaux de neurones de l'état d'un procédé de dépollution

par Stéphane Grieu

Thèse de doctorat en Sciences de l'ingénieur. Automatique

Sous la direction de Monique Polit.

Soutenue en 2003

à Perpignan .


  • Résumé

    Les stations de traitement des eaux usées ont pour objectifs principaux de satisfaire la demande en eau et d'assurer un niveau d'épuration élevé. Cela nécessite une connaissance et une surveillance approfondie des divers procédés de traitement mis en jeu. Certains paramètres caractérisant l'eau à différents stades d'un procédé biologique de dépollution sont mesurables en ligne grâce à des capteurs physiques. D'autres, pouvant fournir une information précieuse sur la qualité des flux entrants et sortants, ne peuvent être connus qu'à partir d'analyses de laboratoires, longues et onéreuses. L'intérêt et l'originalité du travail présenté résident dans l'élaboration d'une procédure de prédiction, basée sur un réseau de neurones multi-couches, permettant d'estimer des paramètres, impossibles à mesurer directement en ligne, afin de fournir une aide à la décision pertinente pour des opérateurs chargés de la surveillance d'un procédé biologique d'élimination de la pollution. Cette procédure de prédiction, développée dans un premier temps à partir d'un jeu de données simulées, fait intervenir un traitement par clustering K-Means puis par Analyse en Composantes Principales afin d'optimiser la phase d'apprentissage du réseau de neurones. Elle a ensuite été confrontée à des données réelles décrivant le procédé biologique, fortement non linéaire, de la station de traitement des eaux de la ville de Saint Cyprien. Les paramètres estimés sont la DCO, la DBO et le NH4. Un capteur optique permettant la mesure de la turbidité sans encrassement et pour un faible coût a été mis au point afin de compléter l'information fournie par la prédiction neuronale.

  • Titre traduit

    Prediction by neural networks of the state of a pollution removal process


  • Résumé

    Wastewater treatment plants have as principal objectives to satisfy the demand for water and to provide a high level of pollution removal. That requires a knowledge and a thorough monitoring of the various treatment processes. Some parameters characterizing the water at various stages of a biological treatment process are measurable on line by physical sensors. Others parameters, able to provide invaluable information on the quality of entering and outgoing flows, can only be known by means of long and expensive laboratory analyses. The interest and the originality of this work is the development of a procedure of prediction, based on a multi-layer neural network, allowing to estimate parameters, impossible to measure directly on line, in order to provide a relevant decision-making aid for operators in charge of the monitoring of a wastewater treatment plant. This procedure of prediction, initially developed with a simulated data set, utilizes a treatment by K-Means clustering and by principal components analysis to optimize the learning phase of the neural network. The procedure was confronted with real data describing the biological process, strongly nonlinear, of the wastewater treatment plant of Saint Cyprien. The estimated parameters are the Chemical Oxygen Demand (COD), the Biochemical Oxygen Demand (BOD) and the NH4. An optical sensor allowing the measurement of turbidity (a parameter characterizing the visual aspect of a water) without clogging and at a low cost was developed in order to complete the information provided by the neuronal procedure of prediction.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 210 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 203-204

Où se trouve cette thèse ?

  • Bibliothèque : Université Perpignan Via Domitia. Service commun de la documentation. Section Lettres et Sciences humaines.
  • Disponible pour le PEB
  • Cote : TH 2003 GRI
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.