Study of a Solar Desalination System for Surface Saline Waters in Arid Zones

Abstract

This study presents a comprehensive analysis of the Ouargla basin in southeast Algeria, examining its complex water systems and addressing challenges in water resource management. The research reveals significant mineralization, salinity, and pollution in both surface and groundwater, with implications for public health and water usability. It proposes solar-powered desalination as a sustainable solution, emphasizing the need for integrated water resource management, including wastewater treatment and controlled groundwater exploitation. Advancements in solar desalination technologies are also highlighted, with innovations in Solar Still (SS) designs and the use of new materials to enhance efficiency. The study integrates machine learning and artificial intelligence, particularly neural networks and meta-heuristic algorithms, to optimize solar thermal desalination systems. A significant focus is on the Multi- Layer Perceptron (MLP) model, combined with Particle Swarm Optimization (PSO), which demonstrates superior performance in predicting hourly water yield in desalination systems. The research also details the comprehensive data preparation and analysis process, vital for the success of machine learning models. The findings not only contribute to the advancement of desalination systems but also open avenues for future research in alternative neural architectures and the integration of machine learning with solar still control systems. This work marks a significant step in addressing global water scarcity and advancing solar desalination technologies

Cette étude présente une analyse approfondie du bassin d'Ouargla, situé dans le sud-est de l'Algérie, examinant ses systèmes d'eau complexes et abordant les défis de la gestion des ressources en eau. La recherche révèle une minéralisation, une salinité et une pollution significatives dans les eaux de surface et souterraines, avec des implications pour la santé publique et l'utilisabilité de l'eau. Elle propose la désalinisation solaire comme solution durable, soulignant la nécessité d'une gestion intégrée des ressources en eau, incluant le traitement des eaux usées et l'exploitation contrôlée des eaux souterraines. Les avancées dans les technologies de désalinisation solaire sont également mises en avant, avec des innovations dans les امللخص Abstract Résume conceptions des Distillateurs Solaires (DS) et l'utilisation de nouveaux matériaux pour améliorer l'efficacité. L'étude intègre l'apprentissage automatique et l'intelligence artificielle, en particulier les réseaux de neurones et les algorithmes méta-heuristiques, pour optimiser les systèmes de désalinisation thermique solaire. Un accent particulier est mis sur le modèle de Perceptron Multi-Couches (PMC), combiné à l'Optimisation par Essaim de Particules (OEP), qui démontre une performance supérieure dans la prédiction du rendement en eau horaire des systèmes de désalinisation. La recherche détaille également le processus complet de préparation et d'analyse des données, essentiel au succès des modèles d'apprentissage automatique. Les résultats contribuent non seulement à l'avancement des systèmes de désalinisation, mais ouvrent également des voies pour des recherches futures sur des architectures neuronales alternatives et l'intégration de l'apprentissage automatique avec les systèmes de contrôle des distillateurs solaires. Ce travail marque une étape importante dans la lutte contre la pénurie d'eau mondiale et l'avancement des technologies de désalinisation solaire