Utillisation de l'intelligence artificielle pour la surveillance et l'evaluation de la qualite de l'eau das la station de dessalement (cap djinet)

Abstract

Ce mémoire s'intéresse à l'application des techniques d’intelligence artificielle pour évaluer et prédire la qualité de l’eau produite par la station de dessalement de Cap Djinet. Les analyses physico-chimiques réalisées sur quatre semaines montrent une conformité totale de l’eau traitée aux normes de l’OMS. Deux modèles de prédiction ont été comparés : la régression linéaire, efficace avec peu de données, et le perceptron multicouche, dont la performance est limitée par le faible volume d’entraînement. L’intégration de la data science et de l’analyse conventionnelle offre une approche novatrice et complémentaire. Ce travail contribue à renforcer la gestion prédictive et durable des stations de dessalement. Il ouvre la voie à l’utilisation de l’IA pour anticiper les variations qualitatives et améliorer la prise de décision. L’étude montre que même avec un jeu de données restreint, des modèles simples peuvent offrir des résultats fiables. Les résultats obtenus peuvent servir de référence pour d’autres stations similaires This thesis focuses on applying artificial intelligence techniques to assess and predict the water quality produced by the Cap Djinet desalination plant. Physico-chemical analyses over four weeks confirm full compliance with WHO standards. Two predictive models were evaluated: linear regression, effective with limited data, and multilayer perceptron, whose performance was hindered by a small dataset. The integration of data science and conventional analysis offers an innovative and complementary approach. This study contributes to advancing predictive and sustainable desalination management. It enables anticipation of quality variations and supports informed decision-making. Even with a limited dataset, simple models proved reliable. Results may serve as a reference for similar facilities.