Prédiction par modélisation neuronale et à base d’inférence floue du dosage de coagulant en traitement d’eau potable W.Bouira).(Station de traitement barrage Tilesdit

Abstract

La coagulation est l’une des étapes les plus importantes dans le traitement des eaux. La difficulté principale est de déterminer la dose optimale de coagulant à injecter en fonction des caractéristiques de l’eau brute. Traditionnellement, des essais dit ‘jar-test’ sont utilisés pour déterminer la dose optimale de coagulant. Cependant, cette méthode est coûteuse, prend du temps et ne permet pas de réagir en temps réel aux changements de qualité de l'eau brute. Une approche de modélisation optimale peut être utilisée pour surmonter ces limitations. Un certain nombre de caractéristiques physico-chimiques, issus de la station de traitement de barrage Tilesdit influe sur la dose de coagulant et dans le but de résumer, réduire et de présenter les éléments prépondérants à tenir compte dans la modélisation, une factorisation des paramètres a été effectuée en utilisant l’Analyse en Composante Principale (ACP) ainsi que la méthodologie des plans d’expérience pour mener une recherche expérimentale planifiée. Cette étude consiste à élaborer un réseau de neurones de type perceptron multicouche (MLP), développé pour la prédiction de la dose de coagulant utilisée dans la station de traitement des eaux de barrage Tilesdit a la wilaya de Bouira lors de la phase de clarification. Un modèle neuro flou ANFIS (système d’inférence flou à base de réseaux de neurones adaptatifs), qui combine les techniques floues et neuronales en formant un réseau à apprentissage supervisé, a été aussi élaboré et appliqué durant la phase de calage et testé en période de validation avec un coefficient de régression (R) de l’ordre de 0,52 alors que pour le réseau de neurones de type perceptron multicouche (MLP), il est de l’ordre de 0,93. Les résultats obtenus sont d’une grande importance pour la gestion de l’installation