Application of artificial neural networks in hydrogeology : identification of unknown pollution sources in contaminated aquifers Application des réseaux neuronaux artificiels en hydrogéologie,identification des sources de contamination inconnues dans des aquifères pollués hydrogéologie modélisation contamination réseaux de neurones artificiels ground water modeling ; artificial neural networks ; inverse problem 551.4 Eaux souterraines Thèses et écrits académiques Réseaux neuronaux (informatique) Thèses et écrits académiques Inversion (géophysique) Thèses et écrits académiques [...]Certaines caractéristiques concernant la qualité et l'hydrogéologie des eaux souterraines, dans de nombreux cas, ne sont pas directement mesurables et doivent être évaluées en fonction d'autres paramètres directement mesurables. Le problème de la détermination des paramètres inconnus du modèle est généralement dénommé "problème inverse". La résolution du problème inverse pour la modélisation de l'écoulement et le transport des contaminants dans les eaux souterraines est l'objectif principal de ce travail de recherche. Quant à la résolution du problème inverse, dans le présent document, nous avons pour objectif la définition d'une méthodologie qui permette l'identification des caractéristiques dans l'espace et le temps des sources inconnues de contaminations. Dans ce travail de recherche, le problème inverse est résolu sur la base de mesures de concentrations du contaminant dans les puits de surveillance situés dans un domaine d'intérêt. Une fois connu l'effet d'un certain phénomène, nous cherchons à reconstruire la cause qui l'a généré. Ainsi, la recherche a-t-elle été élaborée selon les points suivants : - Modélisation de la contamination des eaux souterraines par l'utilisation d'un logiciel non-commercial pour la modélisation des flux et le transport des contaminants dans les milieux poreux. -Modélisation des relations cause-effet de la contamination des eaux souterraines par les Réseaux de Neurones Artificiels (RNA). - Application des RNA pour la résolution du problème inverse dans deux cas de contamination des eaux souterraines étudiés. [...] [...]In many cases, some hydrogeological and groundwater quality characteristics, are not directly measurable and must be physically assessed in function of directly measurable parameters. The problem of determining the unknown model parameters is usually identified as "inverse problem". Solving the inverse problem is the main goal of modeling groundwater flow and contaminant transport. The validity of an aquifer forecasting model is closely related to the reliability and accuracy of the parameters assessment. With respect to the resolution of the inverse problem, this work aims at defining a methodology that allows to identify the features in space and time of unknown contamination sources. In our case, the inverse problem is solved on the basis of measurements of contaminant concentrations in monitoring wells located in the studied areas. In the framework of this thesis, the research is developed under the following themes: - groundwater contamination modeling using a non-commercial software for the flux and transport model in porous media. - modeling of the cause and effect relationships in groundwater contamination with Artificial Neural Networks (ANN) technology. - application of ANN to solve the inverse problem in two cases of groundwater contamination. Over the past decades, Artificial Neural Networks (ANN) have become increasingly popular as a problem solving tool and have been extensively used as a forecasting tool in many disciplines.[ ] Electronic Thesis or Dissertation Text en France PDF https://publication-theses.unistra.fr/public/theses_doctorat/2011/FODDIS_Maria_Laura_2011.pdf Université de Strasbourg Strasbourg Foddis Maria Laura 1977-01-01T00:00:00 FR 152766588 http://www.theses.fr/2011STRA6020 2011STRA6020 2011-03-25T00:00:00 Sciences de la Terre et de l'Univers Université de Strasbourg 131056549 Doctorat Docteur es non oui Ackerer Philippe 07541404X Uras Gabriele 152766537 École doctorale Sciences de la Terre et Environnement (Strasbourg ; 2000-....) ED413 15650166X ddc:550