Utilisation de l’intelligence artificielle pour la validation des mesures en continu de la pollution des eaux usées

Q4 Engineering Techniques - Sciences - Methodes Pub Date : 2022-11-21 DOI:10.36904/tsm/202211039
I. Zidaoui, C. Joannis, J. Wertel, S. Isel, C. Wemmert, J. Vazquez, M. Dufresne
{"title":"Utilisation de l’intelligence artificielle pour la validation des mesures en continu de la pollution des eaux usées","authors":"I. Zidaoui, C. Joannis, J. Wertel, S. Isel, C. Wemmert, J. Vazquez, M. Dufresne","doi":"10.36904/tsm/202211039","DOIUrl":null,"url":null,"abstract":"Pour lutter contre la pollution des masses d’eaux, la réglementation française impose la mesure et la régulation des rejets d’eaux usées dans l’environnement. Cependant, malgré les progrès dans le domaine des systèmes d’acquisition de données, les capteurs, tout particulièrement les sondes de turbidité, installés dans des milieux agressifs tels que les réseaux d’assainissement sont sujets à des dysfonctionnements fréquents (dérive, saturation, données manquantes…), qui peuvent fausser l’évaluation du flux de pollution. Il est donc essentiel d’identifier les potentielles anomalies avant toute utilisation des données. Aujourd’hui, cette validation se fait au niveau de la supervision et/ou via des opérateurs. L’objectif de ce travail est d’évaluer le potentiel des outils d’intelligence artificielle à automatiser la validation et d’estimer la plus-value de cette approche par rapport à une validation « métier » effectuée par un expert. Pour cela, quatre algorithmes de détection d’anomalies de l’état de l’art sont comparés en utilisant des données de turbidité issues du réseau de collecte de Saint-Malo Agglomération. La plupart de ces algorithmes ne sont pas adaptés à la nature des données étudiées qui sont hétérogènes et bruitées. Seul l’algorithme Matrix Profile permet d’obtenir des résultats prometteurs avec une majorité d’anomalies détectées et un nombre de faux positifs relativement limités.","PeriodicalId":52449,"journal":{"name":"Techniques - Sciences - Methodes","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-11-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Techniques - Sciences - Methodes","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36904/tsm/202211039","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"Engineering","Score":null,"Total":0}
引用次数: 1

Abstract

Pour lutter contre la pollution des masses d’eaux, la réglementation française impose la mesure et la régulation des rejets d’eaux usées dans l’environnement. Cependant, malgré les progrès dans le domaine des systèmes d’acquisition de données, les capteurs, tout particulièrement les sondes de turbidité, installés dans des milieux agressifs tels que les réseaux d’assainissement sont sujets à des dysfonctionnements fréquents (dérive, saturation, données manquantes…), qui peuvent fausser l’évaluation du flux de pollution. Il est donc essentiel d’identifier les potentielles anomalies avant toute utilisation des données. Aujourd’hui, cette validation se fait au niveau de la supervision et/ou via des opérateurs. L’objectif de ce travail est d’évaluer le potentiel des outils d’intelligence artificielle à automatiser la validation et d’estimer la plus-value de cette approche par rapport à une validation « métier » effectuée par un expert. Pour cela, quatre algorithmes de détection d’anomalies de l’état de l’art sont comparés en utilisant des données de turbidité issues du réseau de collecte de Saint-Malo Agglomération. La plupart de ces algorithmes ne sont pas adaptés à la nature des données étudiées qui sont hétérogènes et bruitées. Seul l’algorithme Matrix Profile permet d’obtenir des résultats prometteurs avec une majorité d’anomalies détectées et un nombre de faux positifs relativement limités.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用人工智能验证废水污染的连续测量
为了防止水体污染,法国法规要求对废水排放到环境中进行测量和监管。然而,尽管在数据采集系统领域取得了进展,但安装在污水网络等侵蚀性环境中的传感器,特别是浊度探头,经常出现故障(漂移、饱和、数据丢失等),这可能会扭曲污染流量的评估。因此,在使用数据之前识别潜在异常至关重要。今天,这种验证是在监督层和/或通过操作员进行的。这项工作的目的是评估人工智能工具自动化验证的潜力,并估计与专家进行的“业务”验证相比,这种方法的附加值。为此,使用来自圣马洛聚集收集网络的浊度数据,比较了现有技术的四种异常检测算法。这些算法大多不适合所研究数据的异质性和噪声性。只有矩阵配置文件算法能够在检测到大多数异常和相对有限数量的误报的情况下获得有希望的结果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
Techniques - Sciences - Methodes
Techniques - Sciences - Methodes Engineering-Ocean Engineering
CiteScore
0.20
自引率
0.00%
发文量
34
期刊最新文献
Quels outils et méthodes décisionnels pour une gestion décentralisée des eaux urbaines par des solutions fondées sur la nature : une revue bibliographique Réseaux d’Eau Intelligents multiusages (REImu) : le numérique au service de la maîtrise des usages de l’eau Évaluation environnementale de scénarios d’adaptation au changement climatique de périmètres agricoles irrigués : utilisation de l’analyse de cycle de vie territoriale Les modalités et enjeux de l’appropriation par les agences de l’eau du concept de solutions fondées sur la nature appliqué à la gestion de l’eau : le cas de l’agence de l’eau Rhône Méditerranée Corse Modélisation participative des solutions fondées sur la nature pour la gestion quantitative de l’eau dans le bassin versant de la Seudre
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1