A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Estimation de la migration d’une pollution accidentelle dans un projet routier à l’aide des réseaux de neurones artificiels
L’évaluation de la profondeur de la zone contaminée D en fonction du temps et de la quantité de polluant injectée dans un sol Q après une pollution routière accidentelle est essentielle pour étudier le risque de contamination de la ressource en eau souterraine et pour concevoir des plans d’intervention. Cet article présente une méthode pour estimer D et Q en utilisant les réseaux de neurones artificiels. Une base de données est produite à partir de cas simulés en utilisant un modèle par éléments finis. Plusieurs modèles de réseaux de neurones artificiels par rétropropagation de l’erreur sont évalués par leur capacité à généraliser la simulation sur des données indépendantes. Leur comportement est également comparé à un modèle plus classique de régression multilinéaire. Les réseaux de neurones montrent une très bonne aptitude à simuler les évolutions de D et Q.
La méthodologie proposée est appliquée à l’analyse du risque de pollution par le trichloréthylène des eaux souterraines le long de l’axe d’un projet routier dans le Nord de la France.
Estimation de la migration d’une pollution accidentelle dans un projet routier à l’aide des réseaux de neurones artificiels
L’évaluation de la profondeur de la zone contaminée D en fonction du temps et de la quantité de polluant injectée dans un sol Q après une pollution routière accidentelle est essentielle pour étudier le risque de contamination de la ressource en eau souterraine et pour concevoir des plans d’intervention. Cet article présente une méthode pour estimer D et Q en utilisant les réseaux de neurones artificiels. Une base de données est produite à partir de cas simulés en utilisant un modèle par éléments finis. Plusieurs modèles de réseaux de neurones artificiels par rétropropagation de l’erreur sont évalués par leur capacité à généraliser la simulation sur des données indépendantes. Leur comportement est également comparé à un modèle plus classique de régression multilinéaire. Les réseaux de neurones montrent une très bonne aptitude à simuler les évolutions de D et Q.
La méthodologie proposée est appliquée à l’analyse du risque de pollution par le trichloréthylène des eaux souterraines le long de l’axe d’un projet routier dans le Nord de la France.
Estimation de la migration d’une pollution accidentelle dans un projet routier à l’aide des réseaux de neurones artificiels
El Tabach, E. (author) / Lancelot, L. (author) / Shahrour, I. (author) / Maillot, H. (author) / Najjar, Y. (author)
Revue Française de Géotechnique ; 49-57
2005-01-01
9 pages
Article (Journal)
Electronic Resource
French
Prevision hydrologique par reseaux de neurones artificiels: etat de l'art
| British Library Online Contents | 1999
Prévision hydrologique par réseaux de neurones artificiels: état de l'art
| Online Contents | 1999
Coût du traitement d'une pollution accidentelle : cas de l'IECBW
| Online Contents | 2003
Projet de tunnel routier sous La Manche
| Engineering Index Backfile | 1939
Détermination de la vitesse de coupe en usinage à l'aide des réseaux de neurones
| British Library Online Contents | 2017