Compléter, fiabiliser et diminuer le coût des approches scientifiques actuelles en Qualité de l'Air Intérieur (modélisation et expérimentation)

Enhancing Reliability and Reducing Costs in Scientific Approaches to Indoor Air Quality: Modeling and Experimental Insights

• Auteur / Autrice : Hiba Ajib
• Direction : Karim Limam, Thierry Duforestel
• Type : Projet de thèse
• Discipline(s) : Energétique et thermique
• Date : Inscription en doctorat le ; Soutenance le 30/01/2025
• Etablissement(s) : La Rochelle
• Ecole(s) doctorale(s) : EUCLIDE
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences de l'Ingénieur pour l'environnement
• Jury : Président / Présidente : Walter Bosschaerts
• Jury : Examinateurs / Examinatrices : Karim Limam, Valérie Hequet, Ilinca Nastase, Thierry Duforestel
• Jury : Rapporteurs / Rapporteuses : Valérie Hequet, Ilinca Nastase

Mots clés

Mots clés libres

Qualité de l'Air Intérieur

Modélisation

Expérimentation

Bâtiments

Moisissures

Capteurs à bas coût

Indoor Air Quality

Modeling

Buildings

Mold

Pollutant interactions

Low-cost sensors

Résumé

Étant donné que les individus passent la majeure partie de leur temps à l'intérieur, la qualité de l'air intérieur (QAI) est devenue un sujet d'étude crucial. Une mauvaise QAI peut entraîner des risques significatifs pour la santé des occupants, notamment des problèmes respiratoires et cardiovasculaires, et peut également avoir un coût économique élevé en raison de pertes de productivité et de dépenses de santé. Malgré son importance, l’étude de la QAI n’est pas encore accessible à tous. D’un point de vue modélisation, comprendre les phénomènes liés à la QAI implique des mécanismes complexes encore en développement. Du côté des mesures, obtenir des données précises sur la QAI reste très coûteux, les capteurs de haute précision pouvant atteindre plusieurs milliers d’euros. Cette thèse vise à faire progresser l’étude de la QAI en apportant des contributions à la fois dans les domaines de la modélisation et de la mesure. La première partie de ce travail a porté sur la modélisation des mécanismes de croissance des moisissures dans les bâtiments, un élément essentiel pour comprendre les conditions favorisant leur prolifération et leur impact potentiel sur la QAI. Ces mécanismes ont été intégrés dans la bibliothèque BuildSysPro QAI, développée par EDF R&D, qui permet de simuler simultanément la performance énergétique et la QAI dans les bâtiments. La croissance des moisissures est un processus multi-phases comprenant le dépôt des spores, la germination, la croissance, la sporulation, l’arrêt de la croissance et, enfin, l’aérosolisation. Les modèles existants abordent souvent seulement certaines de ces phases, laissant des aspects essentiels non couverts. Pour combler ces manques, nous avons commencé par intégrer deux modèles de croissance des moisissures dans la bibliothèque. Des études expérimentales ont été menées sur des plaques de plâtre afin d’approfondir notre compréhension des processus impliqués et de comparer les prédictions des modèles aux résultats expérimentaux réels. La deuxième contribution de cette thèse s’est concentrée sur les interactions entre les polluants intérieurs, qui sont essentielles pour une compréhension globale de la QAI. Pour enrichir la bibliothèque BuildSysPro QAI, il était nécessaire de prendre en compte ces interactions à travers un mécanisme chimique simplifié. La méthodologie développée dans ce travail a permis de simplifier un mécanisme chimique très détaillé tout en maintenant un haut niveau de précision. Ce mécanisme simplifié a produit des résultats proches de la version détaillée tout en réduisant le temps de simulation d’environ 90 %, rendant ainsi les études de la QAI plus pratiques et accessibles. Le troisième volet de cette recherche visait à rendre la mesure de la QAI plus accessible et moins cher. Un réseau de capteurs comprenant plusieurs capteurs à bas coût pour les particules (PM) a été conçu et calibré par rapport à un capteur de référence de haute précision. Une méthodologie a été proposée pour calibrer le réseau en utilisant des algorithmes d'apprentissage automatique (MLA) et pour optimiser le nombre de capteurs nécessaires dans le réseau. Deux MLA ont été testés, dont un a donné des résultats prometteurs avec des erreurs relatives moyennes (ERM) de test comprises entre 11 % et 20 %. La méthode proposée a été validée à travers une étude de cas, démontrant son potentiel pour une mesure précise et abordable de la QAI dans les bâtiments. En résumé, cette thèse contribue au domaine de la QAI en améliorant les techniques de modélisation, en particulier pour la croissance des moisissures et les interactions entre polluants, et en proposant une méthode économique pour mesurer la QAI à l’aide de réseaux de capteurs bas coût. Ces contributions visent à rendre les études sur la QAI plus accessibles et pratiques pour un public plus large.

With people spending the majority of their time indoors, Indoor Air Quality (IAQ) has become a critical area of study. Poor IAQ can lead to significant health risks for occupants, including respiratory and cardiovascular problems, and can also result in economic costs due to productivity loss and health-care expenses. Despite its importance, studying IAQ is not yet accessible to everyone. From a modeling perspective, understanding IAQ phenomena involves complex mechanisms that are still under development. On the measurement side, obtaining accurate IAQ data remains prohibitively expensive, with high-precision sensors costing thousands of euros. This thesis aims to advance the study of IAQ through contributions to both modeling and measurement. The first focus of this work was on modeling mold growth mechanisms in buildings, which is essential for understanding the conditions leading to mold proliferation and its potential impact on IAQ. These mechanisms were integrated into the BuildSysPro QAI library, developed by EDF R&D, which simultaneously simulates energy performance and IAQ in buildings. Mold growth is a multi-phase process that includes spore deposition, germination, growth, sporulation, growth stop, and eventually aerosolization. Existing models often address only parts of this mechanism, leaving significant gaps. To bridge this gap, we started by implementing two mold growth models in the library. Experimental studies were conducted on plasterboard to deepen our understanding of the processes involved and to compare modeling predictions with real-world experimental results. The second contribution of this thesis focused on the interactions between indoor pollutants, which are critical for a holistic understanding of IAQ. To enhance the BuildSysPro library, it was necessary to account for these interactions through a simplified chemical mechanism. The methodology developed in this work simplified a highly detailed chemical mechanism while maintaining a high level of accuracy. The simplified mechanism produced results that closely matched the detailed version but reduced simulation time by approximately 90 %, making IAQ studies more practical and accessible. The third aspect of this research aimed to make IAQ measurement more accessible and cost-effective. A sensor array comprising multiple low-cost particulate matter (PM) sensors was designed and calibrated against a high-precision reference sensor. A methodology was proposed for calibrating the array using Machine Learning Algorithms (MLAs) and for optimizing the number of sensors to be used in the sensor array. Two MLAs were tested, with one achieving promising results, yielding test Mean Relative Errors (MREs) between 11 % and 20 %. The proposed method was validated through a case study, demonstrating its potential for accurate and affordable IAQ measurement in buildings. In summary, this thesis contributes to the field of IAQ by advancing modeling techniques, particularly for mold growth and pollutant interactions, and by presenting a cost-effective method for measuring IAQ using low-cost sensor arrays. Together, these contributions aim to make IAQ studies more accessible and practical for a broader audience.