Traitement et analyse de séries chronologiques continues de turbidité pour la formulation et le test de modèles des rejets urbains par temps de pluie

• Main Author: Métadier, Marjolaine
• Other Authors: Lyon, INSA
• Language: fr
• Published: 2011
• Subjects: Urbanisme; Analyse bayésienne; Dco; Mes; Modélisation; Rutp; Traitement de données; Turbidité; Town planning; Bayesian analysis; Cod; Modelling; Urban stormwater loads; Tss; Turbidity
• Online Access: http://www.theses.fr/2011ISAL0018/document

Des approches parcimonieuses sont aujourd'hui développées pour la modélisation de la qualité des rejets urbains par temps de pluie, e adéquation avec la quantité de données disponibles. De plus, l'analyse des incertitudes apparaît comme un outil incontournable pour le test des modèles. Parallèlement, le développement des techniques de mesure en continu en réseau, spectrométrie et turbidité, permet l'obtention de données continues de flux de matières en suspension et de demande chimique en oxygène en grand nombre, apportant une information riche. Ce travail constitue une des premières études en hydrologie urbaine basée sur l'exploitation d'une grande base de données acquises par la mesure de la turbidité. Des mesures sur la période 2004-2008 ont été exploitées sur deux sites. Après traitement et validation, 263 et 239 événements pluvieux ont été retenus. L'analyse des données a permis la formulation d'hypothèses sur la génération des flux pour la proposition de modèles adaptés. Le test de l'approche multi-régression a confirmé la nécessité de construire des modèles locaux, basés sur une analyse approfondie des données. Les meilleurs modèles obtenus sont ceux pour la masse événementielle qui parviennent à reproduire en tendance la variabilité des observations. La méthode bayésienne a été utilisée pour le test d'un modèle d'Accumulation-Erosion-Transfert simple à l'échelle du bassin versant. Les premiers résultats mettent e défaut la structure du modèle testé. Cependant ces premiers tests ont démontré l'efficacité de la procédure d'analyse bayésienne, dont l'application du principe d'apprentissage permet d'améliorer de manière significative les structures des modèles. === More and more urban water managers are tackling the issue of water quality modelling. Current research works focus on parsimonious modelling approaches that match the amount of data available for calibration. Moreover uncertainties analysis now appears as an integrated step and a powerful tool in models testing. In parallel, development of in sewer continuous measurements based on spectrometry and turbidimetry techniques, provides large data base of continuous total suspended solids and chemical oxygen demand concentrations, providing much information on fluxes dynamics. This research work is one of the first studies in urban hydrology based on a large turbidity data base. Data from two sites have been treated and validated, with measurements over the period 2004-2008. 263 and 239 stormwater events were selected for the modelling work for the two sites. Data analysis provided insights for making assumptions on the pollutant fluxes generation and proposing adapted models. Test of multi-regression approach that it is necessary to build local approaches based on detailed data analysis. Best models were obtained for event mass, data variability could be reproduced in trend. Formal Bayesian approach was used for testing a simple global Accumulation-Erosion-Transfer model for Chassieu. First results evidenced the difficulties of the model to reproduce the dynamics variability. This may be due to the simple structure. However these first tests have demonstrated the efficiency of the Bayesian analysis procedure. ln particular, the application of the learning principle showed that model structure can be significantly and efficiently improved.