Etude de la qualité de l'eau potable dans un réseau de distribution par apprentissage statistique

Study of the drinking-water quality in a distribution network by statistical learning

• Auteur / Autrice : Zineb Noumir
• Direction : Paul Honeine, Cédric Richard
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance en 2012
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)

Mots clés

Mots clés contrôlés

Eau potable

Chlore

Formation en ligne

Reconnaissance des formes (informatique)

Qualité de l'eau

Apprentissage automatique

Résumé

La sûreté des systèmes d’approvisionnement d’eau potable est essentielle pour la santé publique. Un réseau de distribution d’eau est typiquement constitué d’usines de production, de châteaux d’eau, de réservoirs, de pompes etc. Un tel type d’infrastructure est particulièrement difficile à protéger et à surveiller. Le chlore, injecté dans les usines de productions, a un double intérêt. C’est tout d’abord un puissant oxydant qui inactive les agents viraux ou bactériens sensibles. C’est également un traceur de la qualité de l’eau et de l’intégrité du réseau de distribution, la présence d’un contaminant dans le réseau entraîne immédiatement une consommation anormale de chlore. C’est sur ce deuxième point que se situe les travaux de cette thèse. L’objectif de cette thèse consiste à détecter la présence d’un contaminant dans le réseau, et à fournir une classification du type de contaminant, afin que l’exploitant prenne les décisions opérationnelles adéquates. Dû à la complexité des réseaux traités et à la diversité des substances contaminantes, une mise en oeuvre de modèles paramétriques ne peut hélas être exploitée. Les méthodes d’apprentissage statistique permettent de contourner ses difficultés. Ainsi cette thèse est-elle structurée autour de deux axes de recherche principaux, qui sont la classification multi-classes et la détection par apprentissage, et qu’il convient d’étudier au jour de mesures issues de capteurs de chlore pour une implémentation industrielle en temps réel

Safety systems supply drinking water is essential for public health. A water distribution network typically consists of plants, water towers, tanks, pumps etc. This type of infrastructure is particularly difficult to protect and monitor. Chlorine injected into manufacturing facilities has a double interest. It is first and foremost a powerful oxidant that inactivates viral or bacterial agents. It is also a tracer of the water quality and the integrity of the distribution network, since the presence of a contaminant in the network causes an immediate abnormal consumption of chlorine. This second point is the main focus of this thesis. The objective of this thesis is to detect the presence of a contaminant in the network, and provide a classification of the type of contaminant, so that the operator takes appropriate operational decisions. Due to the complexity of studied networks and diversity of substances contaminants, implementation of parametric models cannot unfortunately be exploited. The statistical learning methods can circumvent these difficulties. Thus, this thesis is structured into two main research topics, which are multiclass classification and detection by learning, studied in the light of measurements from chlorine sensors for real-time implementation