Du, Yang-guang (1999). Modélisation et contrôle opérationnel avancés de procédé de traitement des eaux usées: Applications des réseaux neuronaux artificiels. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en sciences de l'eau, 158 p.
Prévisualisation |
PDF
Télécharger (50MB) | Prévisualisation |
Résumé
Cette thèse porte sur le développement de la modélisation et du contrôle opérationnel des procédés de traitement des eaux usées, ce qui inclue les procédés par boues activées qui vise à éliminer la matière organique des eaux usées ainsi que les procédés successifs de bio- lessivage des métaux lourds présents dans les boues générées par les procédés par boues activées. La technique du réseaux neuronaux artificiels ainsi que les autres techniques de modélisation conventionnelles ont été utilisées pour le développement des systèmes. En dépit du fait qu'une usine de traitement par boues activées de conception et de fonctionnement appropriés est en mesure de procurer une très bonne performance et peut respecter les normes d'épuration des eaux usées, le fonctionnement et le contrôle d'un traitement biologique représente, de façon générale, un défi en raison de la complexité du comportement du système. En réalité, la performance actuelle des procédés par boues activées est loin d'être satisfaisante en général (Marsili-Libelli, 1989). Pour s'attaquer à une partie des problèmes opérationnels, la recherche sur l'analyse et la prédiction des paramètres de fonctionnement à l'état stationnaire des procédés par boues activées a été réalisé à l'aide de la technologie des réseaux neuronaux. Un modèle neuronal pro-actif a été formulé et entraîné avec des données obtenues à l'aide de simulations. Les résultats de simulation montrent que le modèle neuronal développé possède un excellent potentiel pour interpréter et prédire les relations complexes entre le taux de recyclage, le taux de purge de boues et la charge organique d'alimentation à l'état stationnaire. L'approche du modèle par réseaux neuronaux a aussi été utilisée pour prédire les paramètres de fonctionnement d'une cuve de décantation secondaire d'une usine pilote de traitement par boues activées. Il est important de noter que l'état stationnaire d'une usine de traitement par boues activées n'est en réalité jamais atteint en raison des perturbations constantes du système. Un processus peut être considérée comme étant à l'état stationnaire si on n'y observe aucune perturbation majeure dans le système pendant une longue période de temps ainsi qu'en établissant une moyenne pour éliminer le bruit de fond. Une étude sur la dynamique du procédé par boues activées a également été entreprise. Une dynamique particulière, mais très importante, est celle en condition de charge. Pour une meilleure description de cette dynamique, le modèle du IAWPRC a été utilisé et modifié de façon à ce que la réponse du système en condition de charge puisse être étudiée en tenant compte de l'impact des caillots existants dans le système sur la dynamique du comportement global du système. Une version simplifiée et détaillée du modèle de floculation a donc été développée, où le taux utilisé était du même type que celui utilisé par le groupe de travail du IAWPRC afin de représenter les cinétiques de réaction à l'intérieur de la matrice de floculation. Le modèle du IAWPRC modifié intègre le transport de masse intraparticulaire à l'intérieur du caillot afin de tenir compte de l'effet des limites de diffusion sur l'oxydation du carbone et la nitrification qui a lieu à l'intérieur des caillots. La méthode de collocation orthogonale a été utilisée pour trouver la solution du modèle de floculation. Le concept du facteur d'efficacité globale des procédés par boues activées a également été proposé et utilisé pour tenir compte de non seulement la grandeur du coagulum mais aussi la distribution des dimensions des caillots. Afin de facilité la simulation de la dynamique du système, la technique des réseaux neuronaux a été utilisée pour prédire les facteurs d'efficacité globale. Un tel modèle neuronal a permis de réaliser des études de simulation en condition de charge ou sous d'autres paramètres de fonctionnement. Les résultats de simulation montre qu'une dynamique complexe risque d'apparaître, à cause de l'effet de floculation, sous une condition de charge. Donc, une stratégie de contrôle du procédé doit être conçue avec soin pour résoudre ces problèmes de dynamique du système. Afin d'améliorer la sécurité et la performance de ce traitement biologique des eaux usées, il est important de développer des systèmes de prises de décisions assistés par ordinateur. Ce système informatique intelligent est en mesure d'assister les opérateurs d'usine à résoudre des problèmes qui se présentent quotidiennement. Plus particulièrement, il faut être en mesure de prédire et comprendre de façon heuristique une des plus importantes variables du procédé par boues activées, l'âge des boues. Il faut noter que la technique conventionnel par réseaux neuronaux est puissante car elle peut apprendre à représenter des données dont les tendances sont complexes. Néanmoins, il y a des limites à la réalisation de raisonnement heuristique du problème. En revanche, l'utilisation des règles logiques excelle dans ce domaine mais sont généralement faible en ce qui concerne l'acquisition de connaissances. Dans ce travail, afin de tirer profit des deux méthodes, les techniques de réseau neuronal et de logique floue ont été combinées pour développer un modèle neuronal flou. Les résultats de simulation montrent que ce modèle neuronal flou est capable d'extraire les règles floues d'un ensemble de données numériques qui peut être utilisé pour réalisé un raisonnement à caractère heuristique. Finalement, une stratégie avancée de fonctionnement a été développée dans ce travail pour déterminer la durée optimal de bio-lessivage des métaux lourds contenus dans les boues. La clé à la résolution de problèmes de fonctionnement réside dans le développement d'un outil de prédiction en temps réel de la solubilisation des métaux. Il faut noter que le procédé de bio-lessivage par oxydation du soufre pour l'enlèvement des métaux, est un procédé biologique complexe. La solubilisation du métal est atteinte plus ou moins rapidement selon le type de boues impliqué, la baisse du pH et la concentration initiale des métaux présents dans les boues. En outre, la température du système exerce une influence indirecte mais importante par son effet sur la croissance bactérienne et le processus de production d'acide. Il serait très difficile, voire même impossible de prédire la solubilisation des métaux dans les boues en utilisant le premier modèle principal. Pour ce faire, un modèle par réseau neuronal a été développé à l'aide d'une grande quantité de données obtenues en laboratoire, en utilisant seulement les valeurs de pH mesurées en continue et la concentration initiale de métaux. La stratégie a été formulée en utilisant la technique de filtrage étendue de Kalman et le modèle neuronal développé. Pour l'étude de cas, six heures sur un total de 120 heures ont été épargnées par l'utilisation de cette méthode. En résumé, l'objectif principal de cette thèse est de développer une méthodologie intégrant les techniques de modélisation conventionnelles et les réseaux neuronaux pour modéliser et contrôler les procédés de traitement des eaux usées.
Type de document: | Thèse Thèse |
---|---|
Directeur de mémoire/thèse: | Tyagi, Rajeshwar Dayal |
Mots-clés libres: | métaux lourds; lixiviation microbienne; modélisation; neuromimétique; boues d'épuration; eaux usées; réseau neuronal |
Centre: | Centre Eau Terre Environnement |
Date de dépôt: | 03 oct. 2013 15:49 |
Dernière modification: | 05 mai 2023 13:51 |
URI: | https://espace.inrs.ca/id/eprint/1497 |
Gestion Actions (Identification requise)
Modifier la notice |