https://www.peren-revues.fr/pollutionatmospherique/5467 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/5466 Le Centre Scientifique et Technique du Bâtiment (CSTB) a proposé en 2007 un indice de confinement de l’air pour les salles de classe, fondé sur la mesure de la concentration en dioxyde de carbone (CO2). Sur une échelle de 0 à 5, cet indice, appelé ICONE, reflète l’adéquation du renouvellement d’air d’une pièce à sa densité d’occupation. Il prend en compte à la fois les fréquences de situation de confinement, mais également leur intensité. Appliqué à la surveillance réglementaire de la qualité de l’air dans les écoles et lieux d’accueil de la petite enfance, cet indice s’est révélé être un outil pertinent et utile aux gestionnaires soucieux d’améliorer les conditions de ventilation de leurs locaux. Le présent article montre comment cet indice conçu pour les écoles peut être appliqué à l’habitat, en insistant sur la spécificité de ce lieu de vie, les conditions d’occupation des pièces étant très différentes de celles des salles de classe. Selon l’état d’occupation des pièces, l’état des portes intérieures et des fenêtres, ouvertes ou fermées, l’indice de confinement est très différent d’un logement à l’autre. Les chambres sont systématiquement plus confinées que les séjours. Un indice de confinement relatif à l’ensemble du logement exige des mesures dans les différentes pièces. Aussi, en première approche, il est proposé de se limiter au confinement de l’air dans la chambre principale du logement, en période nocturne, sur une durée d’une semaine. An air stuffiness index for classrooms, based on the measurement of the carbon dioxide concentration (CO2), was developed in 2007 by the scientific and technical center for building (CSTB). So-called ICONE, the index ranges from 0 to 5 and reflects the balance between air exchange rate and room’s occupancy density. It takes into account both the occurrence and the intensity of CO2 concentrations. ICONE is now used in the mandatory control of indoor air quality in schools and nurseries. It is a relevant and useful tool for building managers to improve ventilation conditions. This paper presents how this index can be applied to housing, considering the fact that rooms types and occupancies are very different from classrooms. The air stuffiness index may be rather different from one dwelling to another, because of different occupancy conditions and various states of indoor doors and windows, opened or closed. The air in the bedrooms is generally stuffier than in living rooms. Applying the index at the whole dwelling scale is challenging. By default, it is suggested to assess the air stuffiness only in the main bedroom, during the night over one week. mer., 30 mars 2016 14:19:47 +0200 mar., 23 mai 2017 16:08:51 +0200 https://www.peren-revues.fr/pollutionatmospherique/5466