Soutenance de thèse réussie pour Christian Ortiz-Lopez!

Christian Oritz-Lopez (membre étudiant) a soutenu avec succès sa thèse de doctorat en ATDR le 24 avril dernier. Le titre de la thèse de Christian est : « Prévision de la qualité de l’eau brute pour l’optimisation du traitement lors d’événements météorologiques ». Son directeur de recherche est Manuel Rodriguez (membre régulier, ÉSAD) et son codirecteur est Christian Bouchard, professeur au Département de génie civil et de génie des eaux. La soutenance s’est déroulée à la salle 3632 du pavillon Louis-Jacques-Casault, Université Laval.

Le CRAD félicite chaleureusement Christian pour cette belle réussite !

Résumé de la thèse de Christian :

La qualité des sources d’eau potable est progressivement affectée par des pressions naturelles et anthropiques. Pour réduire les effets de ces pressions sur la production d’eau potable, les municipalités doivent intensifier leurs efforts de surveillance spatiale et temporelle de la qualité des sources d’eau et améliorer le traitement de l’eau. Les températures des cours d’eau et les précipitations changent en raison des changements climatiques et de la variabilité des patrons météorologiques. Les pluies peuvent entraîner des changements rapides de la qualité de l’eau brute des usines de traitement d’eau (UTE) en raison du transport des contaminants qui résulte de l’écoulement des eaux de pluie dans les bassins versants. Pendant ces événements pluvieux, des paramètres cruciaux de la qualité de l’eau brute pour les opérations du traitement de l’eau, tels que la turbidité et la teneur en matière organique naturelle (MON), peuvent varier considérablement. Ces changements dans la qualité de l’eau brute nécessitent des modifications opérationnelles du traitement de l’eau, telles que des ajustements des doses de coagulants et de désinfectants pour maintenir la qualité de l’eau traitée. Le délai entre un évènement de pluie et la variation de la qualité de l’eau à l’entrée de l’UTE que cela induit, et les temps de réaction à ces évènements avec les approches traditionnelles, augmentent les risques de moins bonnes performances de traitement de l’eau.

Le premier objectif de cette thèse est de développer des modèles pour prévoir les variations de la qualité de l’eau brute, particulièrement après des événements de pluie, en se basant sur des données hydrologiques et météorologiques. L’autre objectif est de développer des modèles pour prédire la qualité de l’eau traitée à l’UTE en fonction des conditions de traitement de l’eau et de la qualité de l’eau brute. La thèse comprend six chapitres qui présentent l’état de l’art sur le sujet, les méthodologies et les procédures proposées pour la modélisation, et la démarche utilisée pour le développement et l’application des modèles pour des cas réels en utilisant des données météorologiques, hydrologiques, et de la qualité de l’eau brute alimentant des UTE.

Une revue critique de la littérature a permis d’identifier les lacunes concernant les connaissances en matière de modélisation et de prédiction de la qualité de l’eau brute à des fins de traitement de l’eau. Pour combler ces lacunes, une méthodologie a été proposée pour calculer les décalages temporels globaux entre le moment où une pluie se produit, le moment où le débit d’une rivière réagit, en tant que réponse hydrologique à la pluie, et le moment où les paramètres de qualité de l’eau se dégradent. Différents modèles d’apprentissage automatique simples et d’ensemble ont été développés pour modéliser et prédire des paramètres cruciaux de la qualité de l’eau brute, en utilisant des informations hydrologiques et météorologiques. Les modèles développés ont permis de tester avec succès la méthodologie d’estimation des temps de décalage entre les variables, ainsi que de faire des prédictions des variations de la turbidité et de la MON dans l’eau, en particulier après des événements pluvieux.

Globalement, les changements de la qualité de l’eau brute se produisent une demi-journée après les pics de débit de rivière (déclenchés par les évènements pluvieux) pour la turbidité (particules fines) et entre 4 à 6 journées après ces pics, pour l’absorbance UV à 254 nm (MON). Avec ces délais estimés, des variables prédicteurs mieux corrélées avec les paramètres de qualité de l’eau brute (turbidité et UV254) ont été trouvées. Les modèles d’apprentissage automatique ont démontré des bonnes capacités pour prédire la qualité de l’eau brute avec un pas de temps horaire. Ces modèles ont permis de faire des prédictions de qualité de l’eau brute en n’utilisant que des variables hydrologiques et météorologiques. Cette méthodologie ainsi que ces prédictions pourraient faire partie de systèmes d’alerte précoce du genre « évènement de pluie – traitement de l’eau » pour améliorer la gestion de la qualité de l’eau potable dès le bassin-versant.

Finalement, en utilisant les capacités prédictives des algorithmes d’apprentissage automatique simples et d’ensemble, des modèles de prédiction du pH de coagulation, de l’UV à l’eau filtrée et de l’abattement de l’UV ont été développés. Ces modèles pourraient permettre aux opérateurs d’évaluer virtuellement et rapidement les performances de différentes conditions d’opération. Ces outils de modélisation ouvrent ainsi la porte à une mise en œuvre future de modèles prédictifs de doses de coagulants, en utilisant des informations sur la qualité de l’eau brute et les objectifs de traitement de l’UTE.