https://www.peren-revues.fr/pollutionatmospherique/889 Publications de Auteurs Anda Ionescu fr 0 https://www.peren-revues.fr/pollutionatmospherique/7102 L'objectif de cette étude est l’identification des principales sources contribuant aux niveaux environnementaux de poussières en suspension PM10 à partir des analyses des métaux trace effectuées en un point d’échantillonnage localisé à l’intérieur d’une usine sidérurgique. Selon les informations relatives à ce site, l’une des principales sources est le parc à scories, pour laquelle nous disposons d’une analyse chimique, qu’on utilisera dans un but de validation. Une trentaine d'échantillons a été prélevée sur le site et a été analysée pour 18 métaux trace. L'utilisation de la méthode « récepteur » PMF n'a pas permis d'identifier avec certitude un seul profil qui serait attribué à la source parc à scories ; il en résulte plusieurs profils qui peuvent être associés aux différentes opérations effectuées dans le parc à scories. En dehors des résultats obtenus, ce papier se propose de mettre en évidence les difficultés engendrées par la conception de cette campagne de mesure, afin de permettre une réflexion lors de la conception de nouvelles campagnes expérimentales. The aim of this study is the identification of the main sources of PM10, based on some analyses of trace metals performed in a sampling point inside a steelwork site. It is known that one of the main sources is the slag yard. A chemical analysis is available for this source, giving a sort of fingerprint, which has been used in a validation purpose. Twenty-eight samples were sampled on the steelwork site and they were analyzed for 18 trace metals. The PMF receptor model did not permit to assign with certainty a precise profile to the slag yard; there are several profiles that can be assigned to different operations in the slag yard. Moreover the presentation of the specific results, this paper focuses on the difficulties encountered consequently to the measurement campaign design, in order to be avoided for new other experimental campaigns. mar., 07 mai 2024 16:21:46 +0200 mar., 07 mai 2024 16:21:52 +0200 https://www.peren-revues.fr/pollutionatmospherique/7102 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/7028 mar., 07 mai 2024 08:32:20 +0200 mar., 07 mai 2024 08:36:08 +0200 https://www.peren-revues.fr/pollutionatmospherique/7028 https://www.peren-revues.fr/pollutionatmospherique/3825 Pour estimer le champ de concentration de polluants sur un domaine donné, à partir des points de mesure dispersés, il est nécessaire d'évaluer la concentration aux noeuds d'un maillage rectangulaire, à l'aide d'une méthode d'interpolation ou d'ajustement des données. Les valeurs du maillage rectangulaire nous permettent de tracer les lignes d'isoconcentration, afin d'avoir une image de la variation spatiale de la concentration, plus facile à interpréter. On peut, également, représenter, dans un système tridimensionnel, la surface qui correspond à la distribution spatiale de ce paramètre. Pour cela, on a analysé deux catégories de méthodes d'approximation : statistiques et analytiques, qui ont été appliquées, ultérieurement, aux données de concentration de SO2mesurées par le réseau Airparif. Pour conclure, on a remarqué que, dans le cas étudié, la méthode statistique dénommée Krigeage, basée sur les semi-variogrammes ordinaires, ne peut pas être appliquée à cause de la non-corrélation spatiale des valeurs mesurées ; parmi les méthodes analytiques étudiées, celle qui fournit les meilleurs résultats est la méthode des fonctions spline type plaque mince. In order to evaluate a pollutant concentration field, when only few scattered values of pollutant concentration are available on a given territory, it is necessary to estimate the corresponding values in many other points. An approximation method to quantify the concentrations at the nodes of a rectangular mesh associated to the given territory was applied. These values were then used to generate concentration contours. in order to obtain an image of the concentration spatial distribution. This paper is concerned with the analysis of two types of approximation methods: statistical and analytical ones, which were applied to the AIRPARIF Network data. The Kriging statistical method, based on ordinary semivariograms can not be used in the particular case of AIRPARIF data. Among the analytical methods studied here, the thin plate interpolation spline offers the best results. ven., 28 mars 2014 10:59:54 +0100 ven., 04 avril 2014 11:08:08 +0200 https://www.peren-revues.fr/pollutionatmospherique/3825 https://www.peren-revues.fr/pollutionatmospherique/873 Cet article propose un état de l'art sur la modélisation inverse basée sur l'utilisation des méthodes statistiques pour la prévision des concentrations des particules dans l'air. Ces outils mathématiques sont applicables aux séries temporelles de mesures fournies par les capteurs des réseaux de surveillance de la qualité de l'air pour faire des prévisions et envisager des éventuelles mesures d'urgence ; dans le domaine de l'air intérieur, leur utilisation sera d'autant plus précieuse que peu de modèles déterministes sont applicables à l'heure actuelle. Cet état d'art inclut d'abord les modèles linéaires, en mettant l'accent sur les modèles autorégressifs ; parmi les modèles non linéaires, les réseaux de neurones ont été beaucoup utilisés, et on trouve un nombre non négligeable d'applications différentes dans la littérature. On citera également l'utilisation plus originale des systèmes dynamiques basés sur la théorie du chaos ou du filtre de Kalman. Des résultats plus performants ont été obtenus par des modèles hybrides (en combinant plusieurs modèles) ou en appliquant un prétraitement aux données d'entrée. This paper is a review of the main mathematical methods applied for an inverse modelling of particulate matter concentrations. These mathematical tools can be applied to time series data provided by the air pollution monitoring networks in order to forecast the air pollutant concentration and help to take urgent decisions; indoor air quality forecast based on statistical modelling is a very important topic because there are very few applications in this field.The following models are reviewed: linear ones, and in particular autoregressive models, but also non linear models, especially the artificial neural networks, extensively applied in the literature. Some models originally applied for particulate matter concentrations forecast are the dynamic systems based on the chaos theory and the Kalman filter. Many authors concluded that best performance is obtained by hybrid modelling (combining several models) or applying a specific pre-processing to input data. mar., 09 avril 2013 13:33:21 +0200 lun., 22 mai 2017 15:10:17 +0200 https://www.peren-revues.fr/pollutionatmospherique/873