Résumé:

Le but de ce travail est d'étudier l'identification d'un modèle type « boîte noire » afin d'évaluer les rejets polluants de diverses installations sidérurgiques utilisant : les principaux paramètres procès (mesures en continu) et les rejets (émissions polluantes), mesurées juste pendant une campagne de mesures spécialement prévue pour permettre l'identification du modèle. La mesure en continu des émissions polluantes est encore très coûteuse à l'heure actuelle et techniquement difficile (hautes températures, instrumentation complexe). C'est la raison pour laquelle les émissions polluantes ne sont pas mesurées en continu, et donc, leur modélisation peut être une alternative intéressante par rapport à leur mesure. La nécessité d'utiliser un modèle non-linéaire par rapport à un modèle linéaire s'avère justifiée pour nos cas d'étude et, parmi les modèles non-linéaires, les réseaux de neurones constituent un choix approprié grâce à leur propriété d'approximateurs parcimonieux. Trois cas d'installation réelles ont été étudiés. Pour deux cas, la méthodologie mise en oeuvre donne des résultats dont l'erreur est du même ordre de grandeur que la précision des appareils de mesure et dans le troisième, ils sont assez mauvais (manque d'information ?).