Aller au contenu principal
2016-10-19
Auteurs
Émile Sylvestre, Polytechnique Montréal
Joseph de Raphélis-Soissan, École de technologie supérieure
Nicolas Fortin St-Gelais, Université du Québec à Montréal

Congrès INFRA 2016

21 au 23 novembre

Biographie

Émile Sylvestre est étudiant au doctorat en génie civil à Polytechnique Montréal sous la supervision Sarah Dorner et Michèle Prévost. Émile a gradué en génie civil en 2014. Il est membre du comité de protection des sources de l’American Water Work Association.
Émile et son équipe ont récemment remporté le premier prix du Défi Aquahacking 2016.

Résumé

L’adaptation aux changements climatiques et à l’urbanisation est un défi de taille en gestion des eaux urbaines. Le renouvellement, le remplacement et le renforcement des infrastructures physiques permet de soulager ces contraintes, mais à coûts extrêmement élevés. Par conséquent, il y a un besoin critique et urgent d’étudier et de mettre en place des mesures permettant d’améliorer l’utilisation des infrastructures existantes en utilisant des technologies de gestion intelligentes.

À cet effet, de manière à favoriser le développement de villes plus résilientes aux changements globaux, plusieurs organisations gouvernementales fournissent librement un grand nombre de données hydrologiques et météorologiques. De plus, les municipalités utilisent de plus en plus de capteurs pour assurer le suivi de leurs infrastructures urbaines. Ces larges banques de données sont généralement sous-exploitées par les gestionnaires municipaux. Toutefois, leur analyse à partir d’algorithme d’apprentissage pourrait permettre de mieux comprendre le comportement des infrastructures de gestion des eaux et d’assurer un meilleur suivi de leur état.

Pour ce faire, nous développons des réseaux de neurones artificiels (RNA), une technique d’apprentissage machine, applicables à la gestion des eaux urbaines. En apprentissage supervisé, les RNA permettent de développer des modèles prédictifs prenant en compte les relations complexes entre les extrants souhaités et un ensemble de facteurs prédictifs. Ces modèles sont développés à partir de phases d’entrainement basées sur des données historiques répertoriées. Ayant appris des évènements passés, le modèle peut ainsi être utilisé pour prédire la réponse à de nouveaux évènements incluant ceux arrivant en temps réel. Même si les RNA demandent un temps significatif de simulation, ils permettent d’obtenir des résultats en une fraction du temps requis par les modèles mathématiques traditionnels.

Dans le cadre du Défi Aquahacking 2016, nous avons développé des RNA afin de prédire le risque de contamination microbiologique en eau récréative en temps réel et futur à trois potentiels lieux de baignade de la région de Montréal.

Nous sommes présentement en discussion avec la Ville de Montréal afin d’évaluer le potentiel de cette technologie pour les services suivants :

• Gestion intelligente des surverses pour protéger les sources d’eau récréatives;

• Prévision de bris de conduites dans les réseaux de distribution d’eau potable;

• Optimisation des taux de rejets des eaux pluviales sur le territoire.

Nous sommes également en train de développer des RNA avec Polytechnique Montréal afin d’estimer et de prévoir les pointes de contaminations microbiologiques aux prises d’eau potable.

Nous cherchons présentement des partenaires municipaux afin d’évaluer le potentiel de cette technologie pour de multiples applications à la gestion des eaux urbaines.

Documents

Documents
Accessible à tous
Vidéo_INFRA2016_ÉmileSYLVESTRE_F2-7
Accessible aux membres du CERIU
Accessible à l'achat

Acheter cette publication

Prix : 15 CAD
Prix membre : 0 CAD

Ajouter au panier
2019 © CERIU | Plan de site
Site Web conçu par Kiwad