MétaCan
Menu
Retour à la cohorte
Enregistrement W1856216323

Optimisation de la gestion en temps réel des réseaux urbains de drainage basée sur la qualité des eaux

2012· article· fr· W1856216323 sur OpenAlexfundaboutno aff
Yves Dion

Notice bibliographique

RevueEspace École de technologie supérieure (École de technologie supérieure) · 2012
Typearticle
Languefr
DomaineEngineering
ThématiqueHydraulic flow and structures
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La gestion en temps réel des réseaux d’assainissement est de plus en plus privilégiée pour diminuer l’ampleur des inondations et réduire les impacts sur le milieu naturel. Cette gestion dynamique vise à suivre, analyser et contrôler le fonctionnement de ces réseaux avec un faible décalage dans le temps, par des actions correctives ou préventives. En temps de pluie, ces actions consistent à télécommander des ouvrages de contrôle, dans le but de minimiser les rejets d’eaux usées, vers les cours d’eau récepteurs. Trois pré-requis sont essentiels à la réussite d’une gestion en temps réel des réseaux de drainage pour un réseau instrumenté. Le premier consiste à acquérir une connaissance juste du comportement hydraulique du réseau en ayant recours à cette fin à la modélisation. Puis, il faut procéder à la prévision quantitative et qualitative des flux pour enfin déterminer des consignes optimales de gestion. Les travaux exposés dans l'article 1 permettent de simuler le comportement hydraulique des réseaux de drainage, en utilisant deux approches de modélisation, en vue d’analyser leur performance respective. La première approche, globale, est basée sur la méthode rationnelle généralisée; où l’ensemble du réseau situé en amont du point de régulation ou du tronçon de conduit à évaluer est représenté par un seul noeud de drainage. Le modèle hydraulique global basé sur cette méthode utilise l’équation de Bernoulli généralisée appliquée à chaque conduit à évaluer. La deuxième approche, plus détaillée, est basée sur le couplage du modèle du réservoir non linéaire pour simuler le ruissellement à l’exutoire de chacun des sous-bassins de drainage avec les équations de Saint-Venant, pour laminer les hydrogrammes ainsi obtenus dans les différents conduits de drainage. L'étude de cas a permis de comparer les résultats obtenus par ces deux approches en les appliquant à des petits réseaux synthétiques et réels. Des résultats sensiblement équivalents ont été obtenus par l’utilisation des deux approches. La méthode rationnelle généralisée, possède cependant, l’avantage d’atteindre les objectifs poursuivis en nécessitant, comparativement à la méthode du réservoir non linéaire, beaucoup moins de données de terrains et d’efforts de modélisation. En conclusion de ce premier article, le constat est à l’effet que le modèle proposé permet de simuler adéquatement le comportement d’un réseau d’égout avec un niveau de précision acceptable en vue de son utilisation pour gérer en temps réel ce réseau et pour des besoins d'évaluation de son comportement hydraulique. Les travaux présentés dans l'article 2 se rapportent au développement de modèles de prévision en temps réel des flux et des charges à l’exutoire de bassins de drainage urbain. Ces modèles visent à générer des hydrogrammes et des pollutogrammes à l’aide d’approches globales utilisant un minimum de paramètres du bassin versant. Pour atteindre cet objectif, une procédure structurée basée sur le couplage de la méthode de l’hydrogramme rationnel amélioré (IRH) et du modèle de Muskingum généralisé est proposée. L’équation du modèle hydrologique IRH, permet de générer les flux quantitatifs et qualitatifs du ruissellement directement à partir des données pluviométriques en se basant sur un nombre minimal de paramètres intrinsèques au bassin de drainage. Le modèle de Muskingum, transformé en modèle autorégressif, permet de simuler la propagation dans le réseau de drainage et la transformation des hydrogrammes et pollutogrammes ainsi obtenus. Le système d'équations est résolu en utilisant le filtre de Kalman pour réajuster en temps réel les paramètres des modèles utilisés, en fonction des erreurs de prévision calculées à chaque pas de temps. Ce filtre assure également de surmonter le manque de reproductibilité qui peut arriver lors d'un événement de pluie et d'un événement de pluie à un autre. Il permet par ricochet de s’affranchir de la procédure d'étalonnage, traditionnellement requise en modélisation statique classique. L’utilisation combinée des modèles de Muskingum généralisé et du modèle de l’IRH modifié a permis d’améliorer sensiblement les performances comparativement à leur utilisation séparée. De plus, le filtre de Kalman permet de prendre en considération les modèles non stationnaires dont les paramètres varient dans le temps, et améliore par ce fait, la précision des prévisions. L'article 3 est spécifiquement axé sur l'établissement de points de consigne optimaux à des exutoires de réseaux d'égouts urbains pour la conduite en temps réel en se basant sur des paramètres de la qualité de l'eau, afin de permettre le contrôle de l’interception des eaux usées urbaines en temps de pluie. La tâche principale de ce travail était d'évaluer la performance de cette approche qualité. La méthodologie a été testée avec succès en utilisant un réseau d'interception simplifié générique et les mesures issues de la campagne 2010 de caractérisation de la qualité de l'eau des débordements d’eaux usées du programme de surveillance de la Ville d’Hamilton (Ontario). Ce travail avec un réseau d'interception simplifié générique a démontré que cette approche permet d’intercepter plus de polluants que le scénario statique et que celui consistant à procéder dynamiquement à la maximisation des débits. L'étude de cas a montré que, malgré le fait que l'intercepteur générique est une représentation simplifiée, les résultats montrent qu'une approche de gestion basée sur la qualité de l'eau pourrait être une approche appropriée pour lutter contre la pollution. Les deux scénarios dynamiques faisant appel d’une part à une méthode d’optimisation mathématique des charges de pollution et d’autre part à une méthode heuristique de maximisation des charges de pollution à base de règles, considérés dans cette étude ont offert un meilleur rendement que le scénario de maximisation du débit, ce qui a confirmé la validité de la proposition de cette étude qui consiste à axer la conduite en temps réel d’un réseau sur une approche basée sur la qualité. Bien que le gain en performance pour un scénario de maximisation de débit en comparaison avec un scénario statique témoin est de 53%, il atteint 83% pour le scénario de maximisation des charges à base de règles et 100% pour le scénario d'optimisation mathématique des charges en utilisant la méthode du simplex. Cette approche, telle que proposée dans cette étude, pourrait constituer un moyen efficace pour prioriser des sites de débordements moins vulnérables sur la base de paramètres de qualité de l'eau, afin de tirer parti au maximum de la capacité disponible dans le système de collecte, afin d’acheminer la composante la plus polluée à être traitée à l'usine de traitement. Par conséquent, cet outil, tout en utilisant très peu de données, pourrait être considéré comme étant un outil complémentaire adéquat pour être utilisé comme une extension d'une approche de maximisation de flux, dans un système plus large de contrôle de la pollution, pour la gestion des réseaux d'égouts urbains.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,004
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0090,006
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,266
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEspace École de technologie supérieure (École de technologie supérieure)Même sujetHydraulic flow and structuresTravaux en français237 207