| Titre : | Conception des réseaux VRD de l’Agropôle de Loukkos et développement d’une approche basée sur EPANET et Machine Learning pour la détection des fuites dans le réseau d’alimentation en eau potable |
| Auteurs : | AIT_ALI Latifa, Auteur ; BOULARBAH Sara, Auteur ; HINANI Azeddine, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2026 |
| Format : | 145 |
| Langues: | Français |
| Mots-clés: | Voirie ; Assainissement ; Eau potable ; Machine Learning ; SVM ; Random Forest ; Détection de fuites ; Streamlit. |
| Résumé : |
Sous l’effet du changement climatique, la croissance démographique et l'urbanisation rapide,
la disponibilité en eau a diminué. Face à cette situation critique le pays adopte une approche de gestion de l’offre et la demande. Ces efforts se concrétisent également à travers la modernisation des infrastructures et l'amélioration des réseaux. Dans ce contexte, cette étude vise à réaliser l’étude VRD de l’Agropôle de Loukkos à Larache et à exploiter les simulations EPANET pour développer une base d’apprentissage destinée à entraîner des modèles de Machine Learning pour la détection et la localisation des fuites dans le réseau d’eau potable. Pour atteindre les objectifs de ce travail, la méthodologie adoptée consiste en une recherche bibliographique dont le but est d’assimiler tous les aspects de la problématique traitée. Ensuite un dimensionnement des infrastructures de voirie, des réseaux d’assainissement des eaux usées et pluviales, ainsi que du réseau d’alimentation en eau potable ont été réalisés ; en se basant sur les données topographiques et les normes techniques. Une base d'apprentissage de 15 192 échantillons a été constituée à partir de scénarios simulés sous EPANET intégrant différents scénarios de fonctionnement, notamment la variation de la demande, de la rugosité des conduites et des intensités de fuite via l'intégration des coefficients émetteurs afin d'entraîner deux modèles d'apprentissage supervisé notamment SVM à noyau RBF et Random Forest afin de détecter et localiser les fuites à partir des signatures hydrauliques du réseau. Enfin, les modèles ont été intégrés dans une plateforme interactive nommée HydroLeak développée sous Streamlit, permettant l'exploration des données de la base d’apprentissage, la visualisation cartographique du réseau et l'exportation des résultats. Le modèle entraîné détecte les fuites simulées sur les 29 nœuds étudiés grâce aux perturbations des pressions et des débits. Les erreurs observées concernent surtout la localisation entre nœuds hydrauliquement proches, comme n74, n99, n175, n316 et n212.Cette approche constitue un outil d'aide au diagnostic pour assurer une maintenance préventive des réseaux AEP afin de réduire les pertes d'eau. |
| Examinateur : | TAIMOURYA Houda/AFERIAT Aya |
| Président : | EL KHOUMSI Wafae |
| Rapporteur : | BOULARBAH Sara/HINANI Azeddine |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/AIT_ALI_Latifa_2026_10848.pdf |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200042272 | 10848 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur rural | Consultation sur place Exclu du prêt |
| 200042273 | 10848 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur rural | Consultation sur place Exclu du prêt |
