https://www.peren-revues.fr/pollutionatmospherique/2789 Entrées d’index fr 0 https://www.peren-revues.fr/pollutionatmospherique/7049 La législation environnementale impose aux grandes installations industrielles de déclarer leurs émissions rejetées dans l'atmosphère. La mesure de ces émissions étant onéreuse et techniquement difficile, plusieurs méthodes d'estimation de ces émissions sont acceptées comme alternatives à la mesure directe, l'une d'entre elles étant celle de corrélation. La méthode de corrélation nécessite une campagne spéciale de mesure de ces émissions, à partir de laquelle on établit un modèle empirique par rapport aux variables caractérisant le fonctionnement de l'installation. Cette étude est consacrée au développement d'une méthode de corrélation basée sur un modèle linéaire (régression multiple) ou non linéaire, de type réseaux de neurones, pour estimer les émissions de CO2 et NO2 d'un four de réchauffage d'un laminoir de l'industrie sidérurgique. Les résultats obtenus sont très satisfaisants, de l'ordre de grandeur de l'erreur de mesure pour les deux polluants en utilisant les réseaux de neurones, et assez satisfaisants pour le CO2 dans le cas du modèle linéaire. Les résultats intégrés sont comparés à la valeur globale obtenue en utilisant la méthode du facteur d'émission de l'installation. Environmental legislation requires air pollutant monitoring of large industrial installations emissions. Most of the available measurement techniques being expensive and technically difficult, some other estimation methods are accepted, alternatively, one of them being the correlation one. The correlation method requires a special monitoring campaign of the emissions, which are further used to build an empirical model, in relation with the main process variables. This study is devoted to the development of a correlation method based on a linear model (multiple regression) or a non linear one, e.g. artificial neural networks, in order to estimate the CO2 and NO2 emissions of a re-heating furnace used in the steel industry. The performance of the neural networks is very good for both types of emissions, being comparable to the measurement error. For the CO2 emissions, the linear model gives satisfactory results, too. The results are compared to the global value obtained using the emission factor method. mar., 07 mai 2024 09:20:02 +0200 mar., 07 mai 2024 09:20:08 +0200 https://www.peren-revues.fr/pollutionatmospherique/7049 https://www.peren-revues.fr/pollutionatmospherique/2781 L'étude menée sur les principaux constituants de l'aérosol urbain récolté à proximité d'un rond-point à forte activité routière dans la ville de Sfax montre une contribution des sources proches et des conditions météorologiques. L'étude des facteurs d'enrichissement et le traitement statistique des données par l'analyse en composante principale et la régression linéaire multiple montrent l'importance de la source mobile et de la source industrielle dans l'émanation des métaux. Cependant, l'augmentation des taux de la composante crustale dépassant les 100 % est explicable par l'influence des paramètres micrométéorologiques au sein d'un réseau routier caractérisé par des routes de type « canyon » convergeant vers le site d'étude. Ces dernières sont le siège d'un fort remaniement de particules routières, de leur fractionnement sélectif et de l'érosion des chaussées et des bâtiments. En plus de ces paramètres micrométéorologiques locaux, notre étude de l'aérosol montre que l'influence des facteurs météorologiques à l'échelle synoptique n'est pas négligeable. Elle se manifeste par le fort enrichissement de la composante crustale, par l'action des vents de sable saharien malgré leur faible fréquence pendant la période d'étude. This study on urban aerosol constituents collected near a heavy traffic roundabout in the city of Sfax showed the effect of both sources located near the study area and meteorological conditions. The study of factors related to enrichment and statistical treatment of data according to the principal component analysis and the multiple linear regression showed that traffic and industries are contributing to metals emissions. However, the rate increase of crustal components which exceeded 100% could be explained by the effect of micrometeorological parameters in the road network. This is characterized by "canyon" typical roads, converging into the study area where reorganisation of road particles is held, selective splitting up, buildings and road erosion occur. Moreover, our study regarding aerosol proves that meteorological factors effect couldn't be neglected at synoptic scale. This is shown by an important enrichment of crustal components caused by Saharian sand wind's action, despite their low frequency during the study period. mar., 04 mars 2014 12:21:21 +0100 mer., 03 févr. 2016 16:27:54 +0100 https://www.peren-revues.fr/pollutionatmospherique/2781