Prédiction de la consommation d’eau potable

Le challenge

Pour le gestionnaire d’un réseau de distribution d’eau, il est difficile d’estimer avec précision la consommation d’eau pour les jours ou même les heures à venir. Cela peut parfois causer des problèmes liés aux limitations de l’approvisionnement si le volume d’eau nécessaire n’est pas disponible à un moment donné. En outre, les fuites ne sont pas facilement détectables sur les réseaux à grande échelle avec une consommation permanente.

La solution

En utilisant les données historiques de consommation d’eau, nous avons pu appliquer du Machine Learning pour modéliser la consommation d’eau de chaque sous-réseau du système de distribution global. Le modèle résultant a permis de prévoir la consommation d’eau pour les 24 heures suivantes, avec plus de 85% des erreurs en dessous du seuil de 2,5 m³/h (sur des réseaux dont la consommation moyenne est d’environ 50 m³/h).

Le gain potentiel

L’utilisation d’un tel outil de prédiction donne lieu à de multiples applications :

• L’approvisionnement en eau peut être contrôlé de manière prédictive grâce à la demande prévue ;
• Les consommations inhabituelles sont détectées, ce qui peut déclencher des alarmes ;
• Des fuites dans le réseau peuvent être détectées.

D’autres références A découvrir également

Prédiction de l’activité fermentaire

Afficher l’étude de cas

Culture cellulaire : modélisation de la biologie et lien avec les flux de monitoring

Afficher l’étude de cas

Estimation en temps réel du taux de décarbonatation

Afficher l’étude de cas

Optimisation Production-Marché

Afficher l’étude de cas

Scale-up de procédé de Séparation

Afficher l’étude de cas

Optimisation du taux d’humidité du laitier de cimenterie

Afficher l’étude de cas

Maintenance prédictive sur un broyeur à cru

Afficher l’étude de cas

Augmentation de rendement sur une ligne de production

Afficher l’étude de cas