Thèse soutenue

Prédiction par réseaux de neurones de l'état d'un procédé de dépollution
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Stéphane Grieu
Direction : Monique Polit
Type : Thèse de doctorat
Discipline(s) : Sciences de l'ingénieur. Automatique
Date : Soutenance en 2003
Etablissement(s) : Perpignan

Résumé

FR  |  
EN

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.