|
Résumé :
|
Le transfert des polluants dangereux dans un milieu confiné et/ou ouvert est un évènement susceptible dentrainer de graves conséquences sur la santé humaine et de lenvironnement. Sa modélisation permet la cartographie spatiotemporelle des concentrations de ces polluants autour du site en situation de crise. Lévaluation précise et rapide a fait lobjet dun développement des modèles opérationnels, prenant en compte de la dispersion en champ proche et avec la prise en compte des obstacles dans lenvironnement. Lapproche développée sappuie sur des modèles issus de réseaux neurones artificiels, de la solution analytique (Gaussienne) et de la méthode numérique "CFD". Lutilisation des réseaux de neurones de type "MLP" requiert un apprentissage. Deux bases de données sont générées à partir des valeurs expérimentales inspirées d'études antérieures. La première base de données composée de 261 points de mesures est utilisée à lapprentissage du modèle ANN_S (régime stationnaire) et la deuxième base constituée de 2271 points afin dapprendre le modèle ANN_T (régime transitoire). Afin d'appliquer et valider ces trois méthodologies envisagées qui permettent à nous d'étudier les situations suivantes : - Diffusion dun panache dune cheminée dune zone industrielle utilisant la méthode CFD et la solution analytique ; - Transfert de particules fines dans une salle ventilée utilisant les modèles tridimensionnels CFD, et ANN_S ; - Dispersion dun faisceau de particules (0.3 à 5µm) dans une salle ventilée utilisant le Modèle ANN_T. Pour létude du panache, le domaine dapplication a un volume de 1500000 (m3). La validation de la solution analytique est effectuée à travers une comparaison effectuée entre les résultats simulés par modèle CFD et ceux de la solution analytique. Les valeurs de la solution analytique utilisant la corrélation BNL pour les écarts-types sont les plus proches de ceux trouvés par CFD. Lanalyse du transfert des particules dans des salles ventilées a été effectuée dans des géométries inspirées de la littérature afin de donner une validation globale à ces deux modèles (ANN_S et ANN_T), la première dune salle de 0.128 m3 est utilisée pour valider le modèle ANN_S, la deuxième salle de 0.3 m3 est utilisée pour le modèle ANN_T. Les deux modèles du réseau neuronal qui sont développés étaient très précis et faciles à prévoir les profils de concentration de particules par rapport au modèle CFD. L'erreur absolue moyenne donnée par le modèle ANN_S ne dépasse pas 5 % et celle du modèle ANN_T dont son maximum natteint pas le 9 %.
|
