Résumé:
Les stations de traitement des eaux usées ont pour objectif principal d'assurer un niveau d'épuration
élevé. L’intérêt et l'originalité de ce présent travail résident dans l'élaboration d'une procédure de
prédiction de la teneur en nitrates, à partir d'un jeu de données réelles (les paramètres physicochimiques de l’eau usée), fortement non linéaires, décrivant l’état de l’eau brute à l’entrée et à la
sortie de la STEP de Guelma basée sur les réseaux de neurones.
Nous avons ainsi regrouper les paramètres physico-chimiques de l’eau brute et traitée pour construire
un premier modèle de réseau de neurones simple puis à l’aide d’une analyse en composantes
principales (ACP), nous avons construit un second modèle combiné (RN+ACP).
Les résultats obtenus ont montré le meilleur modèle de prédiction de la teneur en nitrates est le MPL
3-4-1 du modèle neuronal combiné (RN+ACP), car il arrive à prévoir durant l’année 10 sur 12 mois
avec de très bonnes corrélations entre les valeurs prévues et observées.
