Contribution de l'intelligence artificielle dans la gestion prédictive des réseaux d'assainissement intelligents
Auteur / Autrice : | Khalid El Ghazouli |
Direction : | Jamal El Khattabi, Aziz Soulhi |
Type : | Thèse de doctorat |
Discipline(s) : | Génie civil |
Date : | Soutenance le 15/12/2021 |
Etablissement(s) : | Université de Lille (2018-2021) en cotutelle avec Université Mohammed V (Rabat) |
Ecole(s) doctorale(s) : | École doctorale Sciences de l’ingénierie et des systèmes (Lille ; 2021-....) |
Partenaire(s) de recherche : | Laboratoire : LGCgE - Laboratoire de Génie Civil et géo-Environnement |
Jury : | Président / Présidente : Isam Shahrour |
Examinateurs / Examinatrices : Oras Abbas, Mounia El Haji, Taoufik Cherradi | |
Rapporteurs / Rapporteuses : Lahcen Zouhri, Ahmed Mouhsen |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
Du fait de l'urbanisation et du changement climatique, les agglomérations mondiales sont confrontées à des enjeux environnementaux majeurs liés à la pollution causée par les déversements des réseaux d’assainissement (RA) par temps de pluie. Les systèmes de contrôle prédictif offrent une nouvelle approche permettant de piloter les réseaux d’assainissement en temps réel et limiter l’impact des déversements vers le milieu récepteur. Cette thèse a visé à développer un système de modélisation prédictif basé sur l’intelligence artificielle pour minimiser l'impact environnemental des rejets urbains par temps de pluie (RUTP). Les données issues des modèles de prévisions sont des paramètres essentiels pour tout système de modélisation prédictif. La première partie de cette thèse a consisté à développer et valider deux modèles basés sur de l’intelligence artificielle (IA) pour la prévision des débits dans les RA. Le premier modèle basé sur le NARX Neural Network a été développé et validé pour la prévision des débits des eaux usées par temps sec. Le deuxième modèle développé dans le cadre de ce travail permet la prévision des débits des eaux pluviales aux exutoires des bassins versants et aux points de contrôles stratégiques et a fait l’objet d’une comparaison des performances de quatre modèles IA .La dernière partie de ce travail a porté sur le développement d'un système de contrôle prédictif (SCP) qui prend comme données d’entrée les prévisions des débits, un modèle hydraulique EPA-SWMM, et un algorithme génétique pour l’optimisation du fonctionnement du RA. Le SCP a démontré une grande efficacité dans la réduction des RUTP en générant des stratégies de contrôle dynamiques et optimales qui permettent de maximiser le volume traité en station d’épuration avant rejet vers le milieu naturel.