Please use this identifier to cite or link to this item: http://dspace.univ-ouargla.dz/jspui/handle/123456789/23581
Title: Etude et suivi de procédé d'épuration des eaux usées sous climat aride (simulation par l’application des méthodes d’intelligence artificielle) cas de la station d’épuration de Touggourt.
Authors: BEKKARI, Naceureddine
ZEDDOURI ,Aziez
Keywords: طرق تصفية المياه
المياه المستعملة
الذكاء الاصطناعي
المحاكاة
مناخ الجاف
Issue Date: 11-Feb-2020
Publisher: Université Kasdi Merbah Ouargla
Series/Report no.: 2020;
Abstract: عملية الحمأة المنشطة هي أكثر أنظمة معالجة المياه العادمة البيولوجية شيوعًا. يتأثر أداء عمليات التنقية عمومًا بعدة عوامل مثل التقلب في تركيزات الملوثات، وحجم مياه الصرف الصحي والتقلبات الكامنة في عملية المعالجة. تعد نمذجة هذه العملية مهمة لتحسين كفاءة معالجتها وبالتالي جودة المخلفات السائلة التي يتم تصريفها في البيئة المستقبلة. في الواقع، يمكن أن تساعد النماذج المشغل بالتنبؤ بأداء محطة المعالجة من أجل اتخاذ تدابير تصحيحية فعالة من حيث التكلفة وفي الوقت المناسب لضمان كفاءة معالجة متسقة لتلبية معايير التصريف. ومع ذلك، نظرًا للخصائص شديدة التعقيد وغير الخطية لهذا النظام البيولوجي، فإن النمذجة التقليدية لعملية المعالجة هذه لا تزال تشكل تحديًا. الشبكة العصبية الاصطناعية متعددة الطبقات المدركة (RNA-PMC) هي أداة التنبؤ الأكثر استخدامًا في محطات معالجة المياه العادمة نظرا لأداءها المتميز. في هذه الرسالة تم تقييم أداء محطة معالجة مياه الصرف الصحي المنزلي لمدينة تقرت. تضمنت البيانات التي تمت دراستها وتحليلها إحصائيا الموصلية الكهربائية (CE) ، والأس الهيدروجيني (PH) ، ودرجة حرارة الماء (T) ، والأكسجين الذائب (DO) ، والطلب على الأكسجين الكيميائي الحيوي (BOD5) ، والطلب على الأكسجين الكيميائي ( COD) ، المواد الصلبة العالقة (MES) ، نيتروجين الأمونيا (NH4) ، النترات (NO3) ، النتريت (NO2) ، الفوسفات العظمي (PO4) عند مدخل ومخرج المحطة ، بالإضافة إلى المواد الصلبة العالقة في حوض التهوية (MESBA) وإعادة تدوير الحمأة (RECY). تم تنفيذ أداء تنقية هذه المحطة من خلال التحليلات الإحصائية للبيانات التي تم جمعها خلال فترة الدراسة المقدرة ب 10 أشهر. ثم تم تطوير النماذج العصبية (RNA-PMC) في هذه الدراسة للتنبؤ بتركيزات المعلمات الرئيسية للتلوث العضوي عند مخرج المحطة بما في ذلك (DBO5s) و (DCOs) و(MES) من محطة المعالجة تقرت. تظهر النتائج أن كفاءة تنقية محطة معالجة مياه الصرف الصحي هذه مرضية للغاية لإزالة الملوثات وفقًا لمعايير التصريف، باستثناء NO3وPO4من هذه النتائج، يمكن ملاحظة أن هناك تباينًا كبيرًا إلى حد ما في التلوث العضوي وفقًا للتغيرات في الظروف المناخية. من أجل تحديد البنية المناسبة لنماذج الشبكات العصبية للمعلمات الثلاثة التي تمت دراستها، تم تطوير نوعين من النماذج، الأول هو النموذج البسيط الذي يستخدم معلمات المياه العادمة الداخلة الى المحطة كمدخلات للنموذج والثاني هو النموذج الشامل الذي يستخدم بالإضافة الى المعلمات الداخلة معلمات مخرج المحطة (المياه المصفاة).تم الحصول على افضل النتائج مع ابنية الشبكات [9-45-1] و [7-30-1] و [7-30-1] ل DBO5s وDCOsوMESعلىالتوالي بالنسبة للنموذج البسيط [1-10-35-11]و[1-10-35-10],[1-10-30-13]ول DBO5s ,MESو DCOs على التوالي بالنسبة للنموذج الشامل ,الظل الزائدي كوظيفة التنشيط إضافة الى خوارزمية التعلم ليفنبرغ ماركوارت. (LM)أظهرت النتائج أن نموذج RNA-PMC يمكن أن يتنبأ بالنتائج التجريبية مع معامل ارتباط عالٍ تراوحتبين 0,9 و0,999 خلال مراحل التعلم والتحقق والاختبار للمعلمات الثلاثة المتوقعة. تشير النتائج الإجمالية إلى أن نهج نمذجة RNA-PMC يمكن أن يوفر تقييمًا موثوقًا لأداء محطات معالجة مياه الصرف الصحي من خلال محاكاة سلوك المحطة عبر مجموعة واسعة من التغييرات في نوعية المياه، بما في ذلك تقلبات فترات مختلفة، والتغيرات الموسمية في درجة الحرارة. لذلك يمكن أن يكون هذا أداة فعالة لمحاكاة ومراقبة وتوقع أداء محطة المعالجة.
Le procédé d'épuration par boues activées (BA) est le système d'épuration biologique des eaux usées le plus couramment utilisé. Les performances des procédés d'épuration sont généralement affectées par plusieurs facteurs tels que la fluctuation dans les concentrations des éléments polluants, le volume des eaux usées et la variabilité inhérente du procédé de traitement. La modélisation de ce processus est importante pour améliorer l'efficacité de son traitement et donc la qualité de l'effluent rejeté dans le milieu récepteur. En effet, les modèles peuvent aider l’exploitant à prédire les performances de la station d'épuration afin de prendre des mesures correctives rentables et opportunes permettant de garantir une efficacité constante du traitement afin de respecter les normes de rejet. Cependant, en raison des caractéristiques très complexes et non linéaires de ce système biologique, la modélisation traditionnelle de ce processus de traitement reste un défi. Lestechniques de l’intelligence artificielle notamment le réseau de neurones artificiel perceptron multicouche (RNA-PMC) est l'outil de prédiction le plus couramment utilisé dans les stations d’épurations (STEP) à BA l'hors de leur pouvoir prédateur. Dans cette thèse la performance de la STEP des eaux usées domestique de la ville de Touggourt a été évaluée. Les données étudiées et analysées statistiquement incluent la Conductivité Electrique(CE), le Potentiel hydrogène (pH), la température de l’eau (T), l’Oxygène Dissout (OD), la demande biochimique en oxygène (DBO5), la demande chimique en oxygène (DCO), les matières en suspension (MES), l’azote ammoniacal (NH4), le Nitrate (NO3), le Nitrite (NO2), les ortho phosphates (PO4) à l'entrée et à la sortie de la station, en plus de la Matière en suspension dans le bassin d'aération (MESBA) et le recyclage des boues(RECY) . La performance épuratoire de cette station a été effectuée à travers les analyses statistiques des données collectées durant une période d'étude de 10 mois. Puis des modèles neuronaux (RNA-PMC) ont été développés dans cette étude afin de prédire les concentrations des paramètres clés de la pollution organique à la sortie de la station notamment la (DBO5s), (DCOs) et (MESs) de la STEP de Touggourt. Les résultats montrent que les rendements épuratoires de cette STEP sont très satisfaisants pour l’élimination des matières polluantes en accord avec les normes de rejet, sauf pour les NO3 et les PO4. D'après ces résultats on remarque qu'il y a une variation assez importante en matière de pollution organique selon les variations des conditions climatiques. Afin de déterminer l’architecture appropriée des modèles de réseaux neuronaux pour les trois paramètres étudiés, deux types de modèle ontété élaborés, le premier est le modèle simple qui utiliseles paramètres de l’influent de la STEP comme entrées du modèle et le deuxième c’est le modèle extensif qui utilise en plus des paramètres de l’influent les paramètres de l’effluent de la STEP ayant unecorrélation significative avec le paramètre prédit. Les meilleurs résultats ont été obtenus avec des architectures des réseaux [9-45-1],[7-30-1] et [7-30-1] pour la DBO5s, DCOs et MESs respectivement pour le modèle simple et [13-30-10-1], [10-35-10-1] et [11-35-10-1] pour la DBO5s, DCOs et MESs respectivement pour le modèle extensif,en utilisant des fonctions d'activation sigmoïdes à tangente hyperbolique et un algorithme d'apprentissage de Levenberg-Marquardt (LM). Les résultats ont montré que le modèle RNA-PMC peut prédire les résultats expérimentaux avec un coefficient de corrélation élevé qui varie de 0,9 à 0,999 au cours des phases d'apprentissage, de validation et de test pour les trois paramètres prédits. Les résultats globaux indiquent que l’approche de modélisation RNA-PMC peut fournir une évaluation fiable de la performance des stations d'épuration des eaux usées (STEP) en simulant le comportement de la station sur une large fluctuation affectant la qualité des eaux, y compris les fluctuations de différentes durées et les variations saisonnières de température. Cela peut donc être un outil efficace pour simuler, contrôler et prévoir les performances de la station d’épuration.
Description: Département des Sciences de la Terre et de l’Univers
URI: http://dspace.univ-ouargla.dz/jspui/handle/123456789/23581
Appears in Collections:Département des Sciences de la terre et de l’Univers - Doctorat

Files in This Item:
File Description SizeFormat 
BEKKARI_NACEUR_EDDINE_Doctorat.pdf2,98 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.