Optimisation du fonctionnement des stations de traitement d'eau potable par les réseaux de neurones artificiels:Cas du Grand Tunis

Dans la présente thèse, nous avons mis en place un outil simple et extrapolable pour l’optimisation du procédé de coagulation-floculation quel que soit le processus de traitement de l’eau dans la station cible. Le présent manuscrit, qui détaille ce travail, repose sur cinq axes principaux répartis en trois chapitres. Le premier chapitre est une synthèse bibliographique qui décrit de manière générale les méthodes adoptées pour le développement d’un modèle de prédiction de la dose optimale de coagulant. Un second chapitre est dédié à la présentation de la zone d'étude et des stations de traitement d’eau potable sujets de l’étude ainsi que le matériel et la méthodologie utilisés pour la modélisation par les Réseaux de Neurones Artificiels. Le troisième chapitre est consacré à l’étude quantitative et qualitative du fonctionnement des stations de traitement étudiées et la discussion des causes de fluctuations enregistrées. Le troisième chapitre renferme aussi les préparatifs à la modélisation, l'extraction des paramètres les plus significatifs au moyen d'analyses factorielles, la standardisation des données et le choix de la base d’apprentissage et cela afin de garantir des modèles ayant les plus faibles erreurs. Sur cette base, deux modèles sont développés. Le premier modèle, L45-MOD, est spécifique aux eaux brutes avec une turbidité inférieure à 45,5 UTN, le second modèle ATP-MOD est adopté sinon. Le point fort des résultats de cette thèse qui consistent à extraire les paramètres les plus significatifs puis à développer les modèles adéquats, est leurs capacité à être extrapolés et facilement utilisés pour d’autres station de traitement d’eau potable quel que soit leurs processus de traitement. Ces résultats sont un outil important pour l’évaluation de la qualité de l’eau en temps réel et l'optimisation du traitement de coagulation-floculation utilisé, ce qui permet d'améliorer la qualité de l'eau obtenue, son coût et ses équipements. In this thesis, we created for the coagulation-flocculation optimization a simple tool that can be extrapolated whatever the water treatment process of the targeted plant. The manuscript of this thesis focuses on five main axes divided into three chapters. The first chapter is a literature review that describes the methods adopted to develop a model to predict the optimal dose of coagulant. A second chapter is dedicated to the presentation of the studied area and the potable water treatment plants as well as to the used materiel and methods for Artificial Neural Network modeling. The third chapter is devoted to a quantitative and qualitative study of the water treatment plants and to the discussion of the causes of the observed fluctuations. The third chapter contains also the pre-modeling steps, the extraction of the most important parameters through factor analysis, the data scaling and the choice of the training database to guarantee models with the lowest errors. By this way, two models are developed. The first model, L45-MOD, is specific to raw waters with less than 45.5 NTU turbidity, the second model ATP-MOD is adopted alternatively. The thesis results strong point, by the extraction of the most significant parameters then the development of the models, is its ability to be extrapolated and easily adopted by other plants whatever the process. These results are an important tool to real-time assessment of water quality and optimization of the coagulation flocculation process. They can improve the obtained water quality, its costs and equipment. p. 158-171