Conclusion
L’analyse statistique des données rassemblées montre que les valeurs des paramètres de pollution différent de manière significative pour les eaux usées à l’entrée de la station s’étend entre 33-1650 mg/l pour la DCO, 70-1332 mg/l pour la DBO5, 33-1162 mg/l pour les MES.
A la sortie les moyennes des concentrations des paramètres de pollution s’étend entre 13-165 mg/l pour la DCO, 10-128 mg/l pour la DBO5, 10-452 mg/l pour les MES.
Une approche simple consisté à évaluer les niveaux de performances globale de la station d’épuration de la ville de Khenchela on se basant sur une comparaison des concentrations des différents paramètres et leurs conformités avec la législation en vigueur, on constate que durant la période considéré la station d’épuration présente des taux de fiabilité acceptable.
La première contribution de cette étude été l’évaluation des performances de la station d’épuration de la ville de Khenchela par modèle probabiliste basé sur les travaux de Niku et al. (1979). nous a permis d'estimer le taux de fiabilité des paramètres de pollution on se basant sur la loi de distribution de ces paramètres, tous les paramètres à la sortie de la station suivent une loi log-normale.
Les performances du procédé de traitement de la station d’épuration de Khenchela par modèle probabiliste affichent des résultats de très bons niveaux d’efficacité. Des taux de fiabilité estimés pour les trois paramètres de pollution :
• 94,33% pour l’élimination de la DCO,
• 82,47% pour la dégradation de la DBO5,
• 85,79% pour l’élimination des MES.
Ce constat positif est entaché par l'absence des données, ce qui rend ces taux de fiabilité relatif à la période considéré seulement, en générale sur les quatre années d'étude (2009-2012) les taux de fiabilité se dégrade et deviennent obsolète, due à la non maitrise du procédé de traitement, ce manque de performance est le résultat de l'interférence de plusieurs facteurs qui feront l'objet d'autres études complémentaires.
Les fluctuations des taux de fiabilité du procédé de traitement de la station d'épuration est très importante, influencé par la variabilité quantitatives et surtout qualitatives des eaux usées brutes combiné avec une conception inadéquate avec des hypothèses de conception qui ne reflète pas la situation réelle de la station (station à faible charge). Une étude récente à
161 montrer que la station fonctionne à forte charge. Le manque d'expérience des gestionnaires de la station est un facteur important à prendre en considération.
La variabilité des taux de défaillance des différents composants du système de traitement donne un aperçu général du comportement instable de la station d’épuration, malheureusement l'absence de note de gestion rend toute tentative d'explication de l'instabilité des performances de la station une tâche impossible.
La nécessité d'un contrôle efficace d'une station de traitement des eaux usées utilisant le procédé de boues activées est primordiale pour assurer son efficacité dans la protection de l'environnement.
Le recourt à l’application des réseaux de neurones artificiels qui sont une forme d’intelligence artificielle pour tenter de modéliser le comportement d’un procédé de traitement des eaux usées par l’utilisation d’un un ensemble d'équations non linéaires pour imiter les connexions neuronales des systèmes biologiques pour la prédictions des performances d’une station de traitement des eaux usées.
Les résultats de l’application de réseau de neurones artificiels présentés dans la deuxième contribution montrent que les six modèles de réseaux de neurones artificiels proposés ont présenté un comportement de prévision précis ou de très bonne qualité. Certains types de réseaux de neurones sont cependant adaptés à certains types de problèmes et obtiennent de meilleurs résultats que d'autres (Haykin , 1999)
Les entrées des différents modèles RNA sont modifiées pour inclure l'effet des différents paramètres sur les performances du procédé de traitement et tenter de modéliser les différents facteurs influençant le fonctionnement de la station.
Le premier ensemble des résultats présentés dans les sous-sections VI.4.1 et VI.5.1 concernent les deux modèles pour la prédiction du taux de fiabilité de la dégradation de la DBO5 montrent qu'en phase d'apprentissage, les coefficients de régression (R) varie sélectivement de 0,94 à 0,93, et que les coefficients de détermination (R2) varie de 0,88 à 0,86. Ces paramètres indique que les deux modèles RNADBO5 sont en mesure de bien répondre aux données d'apprentissage et capable de les rapprochés. En phase de validation les deux modèles ont des coefficients de régression (R) varie sélectivement de 0,93 à 0,87, et que les coefficients de détermination (R2) varie de 0,886 à 0,76, des résultats qui indiquent que les
162 performances de généralisation des deux modèles sont bonnes, et qu'ils sont en mesures de faire respectivement des prédictions précises et de bonne qualité.
Le deuxième ensemble des résultats présentés dans les sous-sections VI.4.2 et VI.5.2 concernent les deux modèles pour la prédiction du taux de fiabilité de l'élimination de la DCO montrent qu'en phase d'apprentissage, les coefficients de régression (R) varie sélectivement de 0,95 à 0,90, et que les coefficients de détermination (R2) varie de 0,90 à 0,81. Ces paramètres indiquent que les deux modèles RNADCO sont en mesure de bien répondre aux données d'apprentissage et sont en mesure de cartographier les données entrée-sortie. En phase de validation les deux modèles ont des coefficients de régression (R) varie sélectivement de 0,93 à 0,69, et que les coefficients de détermination (R2) varie de 0,86 à 0,47, des résultats qui indiquent que les performances de généralisation du modèle simple sont bonnes, par contre celle su modèle complet sont moins bonnes.
Le fait que le modèle complet MC-RNADCO ne parvient pas résoudre le problème de généralisation peut être expliqué par l’une des raisons suivantes:
• Le problème est non-déterministe et le modèle complet MC-RNADCO ne sera jamais le résoudre;
• Les données d'entrées n'est pas suffisamment représentatif du processus.
Ces deux raisons selon Masters (1993) sont les deux seuls à son avis, responsable du non succès d'un RNA. La première raison est l'option la plus probable et l'expérience de nombreux praticiens des RNA que les applications du monde réel sont les plus difficiles à résoudre.
En outre, la qualité des données de l'installation de traitement des eaux usées peut être un autre facteur à considérer. L'expérience de nombreux exploitants de stations d’épurations et d'ingénieurs a été que, souvent, le matériel de la station échoue, et que les données sur les temps de fonctionnement sont ensuite rapportées à tort, parfois sans le savoir.
Le troisième ensemble des résultats présentés dans les sous-sections VI.4.3 et VI.5.3 concernent les deux modèles RNAMES pour la prédiction du taux de fiabilité de l'élimination des MES montrent que les deux modèles sont en mesure de cartographier les données entrée-sortie et que les performances de généralisation des deux modèles sont très bonnes, et sont en mesure de faire des prédictions précises. Améliorer le système de surveillance et de contrôle d'automatisation de la station de traitement des eaux usées de Khenchela peut apporter une contribution positive à la détection précoce de panne et peut diminuer l'incidence de l'équipement défectueux et le manque de données fiables par rapport aux données rapportées.
163 L’application des modèles simples pour la prédiction des performances d’une station d’épuration présentent un intérêt spécial vue leurs simplicité et leurs facilité d’utilisation pour l’estimation des taux de défaillances quotidiennes du procédé de traitement. Ces résultats peuvent être un très bon indicateur aux exploitants pour servir de support d’aide à la gestion et l’exploitation des différents compartiments du procédé de traitement. Par contre, l’application des modèles complets pour la prédiction des taux de défaillance représente un intérêt scientifique et académique pour tenter de modéliser des phénomènes non linéaires très complexes qui mettent en contribution un grand nombre de paramètres.
Application des résultats obtenus
Les modèles RNA développés pour la prédiction des taux de fiabilité et taux de défaillances ont les caractéristiques positives suivantes :
- Les structures des RNA sont simples, avec une couche cachée et ne nécessitent pas de calculs complexes;
- Le temps de la formation des réseaux est court;
- Il est capable de résoudre des problèmes non linéaires dans le monde réel.
Les modèles RNA développées peuvent être appliqués dans les directions suivantes :
1. En tant que base pour le développement ultérieur de la théorie pour la prévision des variables influentes sur le fonctionnement de la station d'épuration ;
2. Comme un système expert pour les conseils des opérateurs dans la station de traiteent des eaux usées municipales;
3. Comme une boîte à outils en temps réel des systèmes d'auto-surveillances existants dans les stations d'épuration.
Les recherches futures
La recherche a montré que les réseaux neuronaux sont une option fiable à envisager pour la prédiction des performances d'une station de traitement des eaux usées. Toutefois, la mise en œuvre effective peut justifier des recherches supplémentaires. La recherche de la littérature et de l'avis des autres praticiens de réseaux de neurones les plus expérimentés ont indiqué qu'un réseau hybride pourrait être une meilleure solution. Cela pourrait inclure d'autres options de calcul comme un réseau de neurones artificiels à logique floue ou un réseau de neurones artificiels combiné avec un algorithme génétique, qui feront l’objet de futures travaux de recherches, et une continuité du présent travail pour optimiser les modèles construits.
164 Publications relatives à la thèse
DJEDDOU M., ACHOUR B., et MARTAUD M. (2013), "Determination and analysis of daily reliability level of municipal wastewater treatment plant", Courier du Savoir, N°17, Biskra, Algeria, pp.: 39-46.
DJEDDOU M., ACHOUR B., et MARTAUD M. (2013), "Détermination du niveau quotidien de fiabilité dans une station de traitement des eaux usées municipale", The 4th International Congress Water, Waste & Environment (EDE4), Agadir, Morocco, 8 pages.
DJEDDOU M., ACHOUR B., et MARTAUD M. (2014), "Daily Performances Evaluation of Municipal Wastewater Treatment Plant using Probabilistic Model", accepted for “IWA conference Activated Sludge - 100 Years and Counting”, Essen, Germany, 5 pages.
.
165