CONTRIBUTION À L'ÉTUDE EN TROIS DIMENSIONS (3D) DE LA DISPERSION D'UN POLLUANT GAZEUX DANS UN MILIEU URBAIN

Abstract

La pollution atmosphérique avec ses différentes formes représente un danger important et primordial sur la santé humaine. Parmi ces formes, on cite les Composés Organiques Volatils (COV) ainsi que les Matières Particules fines (PMi) avec leurs différentes tailles. La présente étude s`intéresse à la simulation de la dispersion d`un gaz volatil dans un milieu urbain (Médéa) et le suivi des mesures des concentrations des PMi afin de faire une modélisation du phénomène de la dispersion des [PMi] en fonction des conditions météorologiques (CM) dans une zone sensible à la pollution, située au Centre Hospitalo Universitaire Mustapha Pacha (CHUMP) à Alger. Les résultats ont montré qu`à chaque fois que la source de pollution se rapproche de l'environnement urbain, la pollution reste élevée dans les zones urbaines, ce qui affecte le bien-être de la population. Le deuxième travail vise à modéliser l'évolution quotidienne des concentrations de particules inférieures à 1μm (PM-1), 2.5 μm (PM-2.5), 4 μm (PM-4), 10 μm (PM-10) et PM-Total, sur la base des conditions météorologiques, en utilisant différents algorithmes d`intelligence artificielle tels que (RNA), (SVM) et (DA-SVM). Les données horaires sur les concentrations atmosphériques de PMi et CM ont été enregistrées simultanément à une station de contrôle automatique de la qualité de l'air située sur un site urbain à Alger, à l'aide du dispositif de mesure des poussières fines, Fidas® 200. Le nombre de données collectées sur les PM était de 890 mesures. Dans cette étude, l'algorithme méta-heuristique de libellule (DA) a été utilisé afin de sélectionner les hyperparamètres optimaux du modèle SVM. Pour cela, un programme MATLAB® basé sur l'algorithme d'optimisation de la libellule couplé à l'algorithme de régression SVM a été écrit afin de corréler les concentrations de PMi. Les résultats obtenus montrent que le modèle établi a de bonnes performances prédictives, avec un coefficient de détermination R2 = 0.98 et la racine de l'erreur quadratique moyenne RMSE = 1.9261.