NNT : 2012 EMSE 0677

THSE
Prsente par

Zaher AL BARAKEH
Pour obtenir le grade de
Docteur de lcole Nationale Suprieure des Mines de Saint-tienne
Spcialit : Gnie Des Procds

Suivi de pollution atmosphrique par systme multi-capteurs mthode

mixte de classification et de dtermination dun indice de pollution.

Soutenue Saint Etienne, le 17 dcembre 2012

Membres du jury

Prsident :
Rapporteurs :
Examinateurs :
Directeurs de thse :
Encadrants de thse :

Pierre LANTERI
Jacques NICOLAS
Marcel BOUVET
Laure CHEVALLIER
Christophe PIJOLAT
Nadine LOCOGE
Philippe BREUIL
Nathalie REDON

Professeur, UCB-Lyon 1, Lyon

Professeur, ULG, Arlon
Professeur, ICMUB, Dijon
Docteur, Air Languedoc Roussillon, Montpellier
Professeur, EMSE, Saint Etienne
Professeur, EMD, Douai
Ingnieur de Recherche, EMSE, Saint Etienne
Maitre-Assistant, EMD, Douai

cole Nationale Suprieure des Mines

de Saint-tienne

NNT : 2012 EMSE 0677

Zaher AL BARAKEH

Suivi de pollution atmosphrique par systme multi-capteurs

mthode mixte de classification et de dtermination dun indice de
pollution.

Spcialit: Gnie de Procd

Mots clefs : Pollution atmosphrique, capteurs de gaz semi-conducteurs, rseaux de
capteurs, logique floue.

Rsum :
Cette thse a pour objectif le dveloppement dun systme multi-capteurs de gaz permettant
une valuation en continu et en temps rel des diffrentes types de pollution atmosphrique en
zone urbain, en classifiant notamment les pollutions de type urbaine, photochimique, ou
encore lie au trafic. Le projet se base sur lutilisation de diffrents capteurs de gaz de type
semi-conducteur disponibles dans le commerce qui sont intgrs dans un dispositif autonome
et portable, afin quil puisse fonctionner sur site.
Dans un premier temps, et en grande partie Saint-Etienne, diffrents types de capteurs sont
slectionns puis leurs performances sont testes sur un banc simulant les atmosphres
pollues et dvelopp pour loccasion. Afin de pallier aux problmes de non rptabilit et de
drive de la ligne de base et de la sensibilit, des procdures de prtraitement de
standardisation sont mises au point.
Dans un deuxime temps, et en grande partie Douai, diffrents sites de tests sont identifis
et leurs historiques de pollution sont tudis. Plusieurs campagnes en stations de mesure
dune semaine, recouvrant les diffrentes saisons et les diffrents types de sites, sont alors
menes. Il y est collect conjointement les signaux des capteurs et des analyseurs de gaz
rglements. Des mthodes bases sur les rseaux de neurones sont alors appliques afin
dobtenir conjointement, partir des signaux des capteurs, une classification parmi 3 types de
pollutions (urbaine, trafic et photochimique) ainsi quun indicateur global de qualit de lair.
Ces mthodes utilisent une approche base sur la logique floue afin dviter les problmes
deffet de bord.

Remerciements :
Cette thse doit beaucoup aux nombreuses personnes qui mont encourag, soutenu et
confort au long de toutes ces annes. Quelles trouvent dans ce travail lexpression de mes
plus sincres remerciements.
Tout d'abord, jadresse mes chaleureux remerciements aux Co-directeurs de cette
thse, M. Christophe PIJOLAT et Mme. Nadine LOCOGE, pour m'avoir fait confiance
malgr les connaissances plutt lgres que j'avais en octobre 2009 sur le domaine des
capteurs de gaz et la pollution atmosphrique, puis pour m'avoir guid, encourag, conseill,
fait beaucoup voyager pendant presque trois ans tout en me laissant une grande libert et en
me faisant l'honneur de me dlguer plusieurs responsabilits dont j'espre avoir t la
hauteur. Je sais infiniment gr vous de mavoir prodigu maints conseils.

Pour son attention de tout instant sur mes travaux, pour ses conseils aviss et son
coute qui ont t prpondrants pour la bonne russite de cette thse. Son nergie et sa
confiance qui ont t des lments moteurs pour moi. Jadresse mes remerciements mon Coencadrant, M. Philippe BREUIL qui jai pris un grand plaisir travailler avec lui.

Mes remerciements vont galement mon Co-encadrant Mme. Nathalie REDON,

pour la gentillesse et la patience quelle a manifeste mon gard durant cette thse, pour
tous ses conseils et ses recommandations, spcialement aux moments critiques o je
manquais de repres.

Je ne sais pas comment exprimer ma gratitude ces personnes autrement qu'en leur
promettant d'agir comme eux avec des tudiants dans ma situation, si un jour l'occasion m'en
est donne.

Je voudrais remercier les rapporteurs de cette thse Messieurs les Profs. Jacques
NICOLAS et Marcel BOUVET pour lintrt quils ont port mon travail dont ils ont
accept d'tre les rapporteurs de cette thse. Ils ont galement contribu par leurs
nombreuses remarques et suggestions amliorer la qualit de ce mmoire, et je leur en suis
trs reconnaissant.

J'associe ces remerciements Monsieur Pierre LANTERI et Madame Laure

CHEVALLIER pour avoir accept dexaminer mon travail je les en remercie profondment.

Ces remerciements seraient incomplets si je n'en adressais pas l'ensemble des

membres de personnel du centre SPIN de lEcole des Mines de Saint Etienne, ainsi que les
personnels du Dpartement du Chimie et Environnement de lEcole des Mines de Douai,
ceux sans qui cette thse ne serait pas ce qu'elle est. Pour les discussions que j'ai eu la chance
d'avoir avec eux, leurs suggestions ou contributions, aussi bien pour leur soutien logistique et
moral ainsi que pour la trs bonne ambiance que j'ai toujours trouve.
Je souhaite galement remercier le personnel dAzimut Monitoring, pour leur accueil
chaleureux et pour les efforts qu'ils ont ralis afin que j'achve mon travail dans les
meilleures conditions possibles.
Enfin, une pense mue pour tous les tudiants avec qui jai partag une salle, un caf, un
repas ou une console dordinateur pendant ces trois annes : Damien, Pauline, Mounir,
Kevin, Florent, Aurlie, Pedro, Dimitry, Ivan, Mokhtar, Jing, Carole, Geoffroy, Jinan
Et finalement Raquel, merci de mavoir paul et encourag pendant ces longs mois de
rdaction, aussi que dans mes moments de doutes et de craquages. Ton soutien a t prcieux
et je nai jamais eu loccasion de te le dire et de ten remercier. Je te dois beaucoup...

Mes remerciements sadressent enfin mon papa, ma maman, et mon frre, pour leur
soutien et leur patience sans lesquels je n'en serais pas l aujourd'hui. Je sais que mon
absence a t longue et jespre pouvoir un jour rattraper le retard accumul. Vous avez
toujours ma gratitude ternelle.

Introduction .............................................................................................................................. 1
Chapitre I :
La pollution atmosphrique : les diffrents polluants, les mthodes rglementaires de
surveillance, les mthodes alternatives. .................................................................................. 7
1.

La pollution atmosphrique ................................................................................................ 8

1.1.

1.1.1

Les polluants primaires ...................................................................................... 10

1.1.2

Les polluants secondaires ................................................................................... 17

1.2.
2.

3.

Rglementation .......................................................................................................... 19

Mesures et mthodes normalises ..................................................................................... 23

2.1.

Diffrentes mthodes de mesures spcifiques aux polluants ..................................... 23

2.2.

Rseaux de surveillance de la qualit dair................................................................ 24

2.3.

Stations de mesure de la pollution ............................................................................. 26

2.4.

Information du public Indice ATMO ..................................................................... 29

2.5.

Conclusion ................................................................................................................. 30

Les capteurs de gaz ........................................................................................................... 31

3.1.

Les diffrents types de capteurs de gaz ..................................................................... 32

3.1.1.

Les capteurs lectrolyte solide......................................................................... 33

3.1.2.

Capteurs capacitifs ............................................................................................. 35

3.1.3.

Capteurs rsistifs, capteurs oxydes semi-conducteurs (SnO2) ........................ 36

3.1.4.

Autres types de capteurs - capteurs physiques ................................................... 41

3.2.

Utilisation des capteurs dans la qualit de lair ......................................................... 42

3.3.

Caractristiques mtrologiques dun capteur de gaz s-c ......................................... 42

3.3.1.

Sensibilit ........................................................................................................... 44

3.3.2.

Slectivit ........................................................................................................... 44

3.3.3.

Stabilit............................................................................................................... 45

3.4.

4.

Les polluants atmosphriques et leurs sources ............................................................ 9

Rseau des capteurs de gaz - Nez lectroniques ........................................................ 46

3.4.1.

Approches de mesures quantitatives ou qualitatives .......................................... 47

3.4.2.

Architecture dun systme multi-capteur ........................................................... 48

Analyse multi-variable ...................................................................................................... 50

4.1.

Principes de modlisation multi-variables ................................................................. 50

4.2.

Problme de sur-modlisation : ................................................................................. 52

4.3.

Les diffrentes mthodes de modlisation................................................................. 53

4.3.1.

Mthodes linaires simples ................................................................................ 53

i

4.3.2.

Mthodes linaires complexes, dites factorielles ......................................... 54

4.3.3.

Les rseaux de neurones artificiels ..................................................................... 57

4.4.

5.

Systme multi-capteurs et analyse multi-variables ................................................... 62

4.4.1.

Systme multi-capteurs et rseaux de neurones ................................................. 62

4.4.2.

Prtraitement et normalisation des donnes ....................................................... 62

4.4.3.

Systmes multi-capteurs et qualit de lair......................................................... 64

Conclusion et objectifs de la thse .................................................................................... 67

Chapitre II :
Dveloppement, mise en uvre et validation dun rseau de capteurs. ............................ 71
1.

Introduction ....................................................................................................................... 71

2.

Choix des capteurs ............................................................................................................ 72

3.

2.1.

Proprits des capteurs .............................................................................................. 73

2.2.

Mise en uvre des capteurs semi-conducteurs ....................................................... 75

2.3.

Systmes de mesure dhumidit et de temprature du gaz ........................................ 76

2.4.

Conception de la cellule de capteurs en laboratoire .................................................. 80

Dveloppement de bancs de test ....................................................................................... 80

3.1.

3.1.1.

Gnration des concentrations gazeuses de polluants ........................................ 82

3.1.2.

Systme dhumidification du mlange gazeux laide du banc de test ............. 84

3.2.
4.

Banc de test dvelopp pour les mesures terrain ................................................. 86

Rponses des capteurs ....................................................................................................... 87

4.1.

Mesure de la conductance des capteurs ..................................................................... 87

4.2.

Effet de la temprature et de lhumidit sur les capteurs........................................... 89

4.2.1.

Effet de la temprature sur les capteurs ............................................................. 91

4.2.2.

Influence de lhumidit absolue sur la rponse des capteurs ............................. 92

4.3.

5.

Banc de test de validation .......................................................................................... 81

Rponse des capteurs de gaz signature des gaz ...................................................... 95

4.3.1.

Cas des gaz rducteurs ....................................................................................... 95

4.3.2.

Cas des gaz oxydants.......................................................................................... 97

4.3.3.

Signature des diffrents gaz sur les diffrents capteurs ..................................... 98

Gestion des carts de sensibilit et de la drive de la ligne de base des capteurs ........... 100
5.1.

Evolution long terme des lignes de base ............................................................... 101

5.2.

Test de calibrage de G0 ............................................................................................ 102

5.3.

Implmentation dune standardisation de sensibilit............................................... 105

5.4.

Effet de la standardisation sur les sensibilits mesures ......................................... 107

ii

5.5.
6.

Drive temporelle des sensibilits ........................................................................... 109

Conclusion du chapitre ................................................................................................... 110

Chapitre III :
Classification et indexation de la pollution de lair avec un rseau de capteurs. ........... 113
1.

Tests terrain ..................................................................................................................... 114

2.

Caractristiques des pollutions atmosphriques des sites tudis ................................... 116

3.

4.

2.1.

Analyse des concentrations des polluants par type de station ................................. 116

2.2.

Identification de signatures ...................................................................................... 120

2.2.1.

Les formes journalires .................................................................................... 120

2.2.2.

Les formes hebdomadaires : ............................................................................. 124

Dmarches de modlisation-prdiction ........................................................................... 126

3.1.

Prtraitements de donnes ....................................................................................... 126

3.2.

Elimination des points aberrants .............................................................................. 128

3.3.

Choix des variables .................................................................................................. 130

3.4.

Apprentissage des modles, limites de validit ....................................................... 131

Comportement des capteurs ............................................................................................ 134

4.1.

Etude des corrlations signaux des capteurs - polluants.......................................... 134

4.2.

Comportement de type oxydant ou rducteur des capteurs ..................................... 137

4.3.

Tentative de prdiction quantitative ........................................................................ 138

4.4.

Prdiction catgorielle ............................................................................................. 140

4.4.1.

Cas de la pollution trafic .................................................................................. 140

4.4.2.

Cas de la pollution urbaine ............................................................................... 141

4.4.3.

Cas de la pollution photochimique : ................................................................. 142

4.4.4.

Dmarche de catgorisation : ........................................................................... 144

4.5.

4.5.1.

Choix dune fonction non linaire .................................................................... 149

4.5.2.

Application de la logique floue la catgorisation des pollutions ................... 151

4.5.3.

Rsultat de catgorisation................................................................................. 153

4.6.
5.

Catgorisation avec la logique floue ....................................................................... 148

Prdiction mixte catgorielle et indicielle ............................................................... 156

Rsultats de prdiction mixte .......................................................................................... 159

5.1.

Optimisation des modles ........................................................................................ 159

5.1.1.

Normalisation et standardisation des sensibilits ............................................. 160

5.1.2.

Choix des variables .......................................................................................... 161

5.1.3.

Seuils de catgorisation .................................................................................... 161

iii

6.

5.2.

Modles mono-cellule et mono-site, modles locales. ............................................ 162

5.3.

Portabilit des modles ............................................................................................ 165

5.3.1.

Modles mono-cellule et inter-site ................................................................... 165

5.3.2.

Modles mono-cellule et multi-site .................................................................. 166

5.3.3.

Modles inter-cellules. ..................................................................................... 167

5.4.

Amlioration du critre de performance .................................................................. 170

5.5.

Sensibilit des modles aux variables ..................................................................... 171

5.6.

Validit des prdictions ........................................................................................... 172

Conclusion du chapitre ................................................................................................... 175

Conclusion gnrale ............................................................................................................. 177

Bibliographie......................................................................................................................... 181
Publications et communications .......................................................................................... 193
Annexes : ............................................................................................................................... 195
Annexe A : Systmes multi-capteurs dveloppes : .............................................................. 195
Annexe B : Corrlations entre les concentrations des polluants : .......................................... 198
Annexe C : Forme journalire et hebdomadaire de pollution : .............................................. 205
Annexe D : Etude des comportements des capteurs : ............................................................ 211

iv

Introduction

Introduction
Ds la fin du XVIIIme sicle, en raison des problmes causs par la combustion du
charbon dans les grandes villes (Hadfield, et al., 1999), il est apparu ncessaire de mettre en
place un systme de management de la qualit de lair. A lpoque, cause des limites
technologiques et en labsence dinstrumentation adapte la mesure de cette pollution, il
nexistait aucune rglementation. Depuis lors, entre industrialisation exponentielle et
augmentation drastique de lactivit anthropique, la problmatique de la pollution de lair na
cess de crotre. Compte-tenu des progrs technologiques raliss en matire de mesures
despces gazeuses dans latmosphre, avec des limites de dtections (LD) atteignant
quelques particules par trillion (1012) (ppt) (Koga, et al., 2001) des dizaines de normes et
directives ont vu le jour et rglementent dsormais nombre de polluants dans latmosphre
(Ramanathan, et al., 2009). Certaines de ces espces peuvent affecter notre environnement
naturel, comme les pluies acides, lies aux missions doxyde de soufre, qui dtruisent la
vgtation, ou avoir un impact ngatif sur la sant humaine allant de la simple irritation (Llop,
et al., 2008) des allergies comme lasthme (Peden, 1996) ou encore dclencher des maladies
graves aux consquences ltales (Pascal, 2009).

Introduction
Ltude de la pollution atmosphrique vise bien en comprendre ses particularits
dans le but de limiter au mieux ses effets (Dimo, et al., 2010). De nombreux efforts ont t
faits pour contrler et rduire les missions des polluants provenant du transport, de l'industrie
et de lagriculture et cela a eu un impact remarquable sur les taux de dioxyde de soufre et
monoxyde de carbone dans latmosphre : ceux-ci, aprs avoir prsent des quantits
croissantes durant la premire moiti du XXme sicle, ont vu leurs teneurs rduites de prs
dun tiers sur les deux dernires dcennies. A titre dexemple, les missions de dioxyde de
soufre en France sont passes de 1326 Gg en 1990 303 Gg en 20091. Sur la mme priode,
les missions de monoxyde de carbone, quant elles, ont diminu de 10890 Gg 3950 Gg.
En revanche, la situation se dgrade pour dautres polluants, comme les oxydes dazote et
l'ozone dont les niveaux dpassent souvent les seuils dalerte environnementaux dans les
grandes villes. Lozone, qui avait des niveaux moyens de fond compris entre 10 et 15 ppb au
dbut du sicle, atteint maintenant 30 40 ppb, en de nombreux endroits dans le monde
(Percy, et al., 2004).
Afin de rpondre ces problmatiques environnementales, des organismes nationaux
et internationaux ddis la mesure en continu des diffrents types de pollution ont t crs.
Leur but tant de vrifier les niveaux par rapport aux standards de qualit environnementale
exigs. Le suivi de la pollution atmosphrique se fait donc actuellement via des rseaux de
mesure, dont les donnes sappuient sur des analyseurs industriels placs dans des stations
fixes rparties judicieusement sur le territoire surveiller. Avec ces stations de mesures, il est
possible deffectuer un suivi continu et prcis des teneurs des polluants rglements sur des
lieux stratgiques. En revanche, les mesures effectues par ces stations ne rpondent pas
1

Donnes obtenues du Centre on Emission Inventories and Projection

http://www.ceip.at http://www.ceip.at/emission-data-webdab/officially-reported-emission-data/

Introduction
toujours aux applications qui sintressent ltude qualificative de latmosphre et
ncessitent une mobilit gographique (Tsujita, et al., 2005).
Une mthode alternative au suivi de la pollution atmosphrique rside donc en
lutilisation de systmes multi-capteurs de gaz (Thery-Merland, et al., 2006) bass sur des
capteurs de gaz chimiques et/ou semi-conducteurs (Ma, et al., 2008). Ces rseaux de
capteurs visent complter le panel de linstrumentation actuellement disponible en offrant la
possibilit de tracer rapidement une signature de pollution sans ncessairement faire une tude
exhaustive par analyse physico-chimique standard de la composition de latmosphre qui la
constitue.
Le suivi spatio-temporel de la pollution atmosphrique est un domaine o l'utilisation
de ce type de systmes multi-capteurs constitue un outil complmentaire par rapport aux
techniques lourdes d'analyse, de par leurs faibles cots et leur encombrement rduit. Ils
permettent notamment de dvelopper des rseaux de mesure plus simples, faciles mettre en
uvre et mobiles, pour effectuer un maillage gographique dune zone impacte par une
pollution spcifique. Habituellement, ce type de rseaux de capteurs est ddi la
qualification de nuisances olfactives comme en tmoignent les dveloppements rcents de
nez lectroniques . Nous proposons pour notre part dutiliser un systme multi-capteurs
pour la mesure de la pollution atmosphrique au sens large, sujet rarement abord par ce type
de dispositifs. Lobjectif fix dans ce travail de thse est donc la conception d'un systme
portable autonome, bas sur des capteurs de gaz commerciaux, pour la dtection et la
classification de diffrents types et niveaux de pollutions atmosphriques pouvant survenir sur
un fond de pollution urbaine ou photochimique. Ltude propose se dmarque rsolument
des prcdentes travaux mens au laboratoire de lEMSE sur des systmes multi-capteurs (en
particulier les thses de N. Perdreau (Perdreau, 2000) et M. Kamionka (Kamionka, 2005) par
notre volont dutiliser des capteurs disponibles commercialement afin de matriser au mieux

Introduction
les problmes de reproductibilit et de drive des capteurs, ainsi que de prfigurer dventuels
transferts de technologies.
Dans un premier temps, nous proposons de familiariser le lecteur avec la
problmatique de la pollution atmosphrique ainsi que les diffrentes mthodes et
rglementations associes sa mesure. Nous poursuivons cette tude bibliographique par une
description des avantages et inconvnients lis lutilisation de capteurs de gaz, pour la
mesure de la pollution de lair. Les diffrents lments physiques, ainsi que les modles
mathmatiques associs constituants les systmes base de rseaux de capteurs, sont ensuite
prsents, accompagns dun panorama des problmes habituellement rencontrs lors de
qualifications relles sur le terrain de la pollution atmosphrique.
Dans un second temps, un chapitre est consacr la mthodologie choisie pour
concevoir trois systmes identiques de dtection des gaz base de rseaux de capteurs. Les
bancs dvelopps pour la caractrisation des performances mtrologiques de ces systmes y
sont exposs, ainsi que la mise en uvre de nouvelles mthodes de traitement de leur signal
permettant de saffranchir de certains dfauts rcurrents, comme les problmes de drive, ou
de reproductibilit.
Enfin, les principaux travaux de mesure et danalyse de pollution raliss sur sites
rels en association avec les associations de surveillance de la qualit de lair sont dtaills
dans le dernier chapitre. Des outils de traitement des rsultats de mesure faisant appel aux
rseaux de neurones combins de la logique floue ont t pour la premire fois appliqus
des donnes issues de rseaux de capteurs pour de la qualification de pollution atmosphrique.
Ce travail est le fruit dune collaboration entre l'EMSE2 et l'ENSM-Douai3. Les
expriences acquises par le dpartement MICC au centre SPIN de lEMSE dans le domaine

Ecole Nationale suprieure des Mines de Saint Etienne

Introduction
des capteurs chimiques de gaz, spcialement en ce qui concerne les capteurs semiconducteurs, couples avec les expriences du dpartement Chimie et Environnement de
lEcole des Mines de Douai dans le domaine de la mesure et de la surveillance de la qualit de
lair, donnent des bases solides ce sujet. Ce travail fait partie du programme GEM-Air
qui regroupe les comptences de 4 coles des Mines dans le domaine de ltude de la qualit
dair, et ceci dans le cadre plus gnral des projets collaboratifs du GEM, Groupe des Ecoles
des Mines.

Ecole Nationale Suprieure des Mines de Douai

Chapitre I

Chapitre I :
La pollution atmosphrique : les diffrents
polluants, les mthodes rglementaires de
surveillance, les mthodes alternatives.
Lobjectif de ce chapitre est de prsenter globalement la problmatique de la pollution
atmosphrique et du suivi des concentrations des polluants gazeux afin de dresser un bilan des
travaux pouvant tre susceptibles dapporter des lments exploitables par lutilisation de
rseaux de capteurs. Dans cette optique, nous dcomposons ce chapitre de la faon suivante :
La premire partie est ddie la description de la pollution atmosphrique, les polluants
gazeux ainsi que leurs caractristiques. Ensuite, nous prsentons les diffrentes mthodes
pouvant tre utilises pour la mesure normalise de ces polluants dans le cadre de leur suivi
rglementaire.
La deuxime partie est consacre aux diffrents capteurs de gaz et leur utilisation comme
mthode non rglementaire pour la mesure des polluants gazeux.
7

Chapitre I
Finalement nous dcrivons quelques mthodes danalyse multi-variables habituellement
utilises en association avec des systmes multi-capteurs de gaz pour la dtection des espces
gazeuses. Le contexte ainsi bien tabli, permet de montrer les aspects originaux de notre
travail et par consquent de bien poser les objectifs viss dans le cadre de cette thse.

1. La pollution atmosphrique
La pollution atmosphrique peut tre dfinie par la prsence de polluants (gazeux ou
particules) dans latmosphre, pouvant provoquer des effets nocifs sur lenvironnement et la
sant (Arqus, 1998). Les sources de cette pollution peuvent tre soit naturelles (feu de fort,
ruption volcanique,), soit anthropiques, c'est--dire lies lactivit humaine (Mayer,
1999). Dans ce dernier cas, la pollution est souvent le rsultat direct des progrs industriels de
ces derniers sicles, comme par exemple lmission continue et parfois sans prcaution des
polluants associs aux processus de combustion (vhicules automobiles, installations
industrielles, production dnergie par combustion). Depuis quelques dizaines dannes,
des tudes ont montr un lien entre la dgradation de lenvironnement et de la sant humaine,
et la prsence de ces polluants dans latmosphre (Monk, et al., 2009) (Anderson, 2009)
(Kulkarni, et al., 2008) (FNORS, Septembre 2008). Ainsi, la pollution atmosphrique est
considre comme tant rsponsable denviron 800 000 dcs prmaturs chaque anne dans
le monde (OECD, 2008). En exemple, la figure 1-1 prsente lvolution prvisionnelle des
dcs prmaturs lis lexcs dozone entre 2000 et 2030 (OECD, 2008). Quelle que soit la
zone gographique, la situation est dj trs inquitante avec prs de 8 15 dcs prmaturs
imputs la pollution atmosphrique par million dhabitants et par an, mais les prvisions
20 ans sont trs pessimistes avec en particulier une augmentation dun facteur 10 dans la zone
Asie.

Chapitre I
Laccumulation de ces polluants est aussi lorigine des phnomnes de pluies acides
qui ont un impact trs ngatif sur la vgtation ou encore du rchauffement terrestre (Arqus,
1998). Afin de bien cerner le contexte dans lequel ce travail se situe et de bien dfinir le
cahier des charges de loutil de diagnostic que nous proposons de dvelopper, nous avons
donc recens dans le paragraphe suivant les polluants atmosphriques primaires ou
secondaires, leurs sources, et la rglementation associe lchelle europenne le cas chant.

Figure 1-1 : dcs prmaturs imputables l'exposition l'ozone dans les zones urbaines en 2000 et 2030
(OECD, 2008).

1.1.

Les polluants atmosphriques et leurs sources

Les sources de polluants atmosphriques peuvent tre divises en 2 catgories : les

sources anthropiques et les sources biogniques (Arqus, 1998). Par dfinition, une source
anthropique est une source de pollution lie l'activit humaine ; elle se subdivise en 3
catgories : secteur industriel, secteur rsidentiel et transport. Les sources biogniques sont les
sources associes aux missions dorigines naturelles lies la biosphre (ORS, dcembre
2007). Lagriculture est galement une source de pollution majeure avec en particulier les
engrais azots ou encore llevage des animaux lorigine de pollution par le mthane
(produit par leur systme digestif), et par lammoniac (issu de la transformation de lure).
9

Chapitre I
Enfin, on intgre galement dans les sources biogniques les phnomnes naturels comme les
nuages de cendres associes aux ruptions volcaniques (Arqus, 1998).
Le caractre dangereux de ces polluants, a conduit lUnion Europenne lgifrer : des
directives et des normes ont t mises en place pour limiter et contrler les missions
polluantes des principales sources anthropiques et galement permettre la surveillance des
polluants rglements avec des objectifs de qualit uniforme lchelle europenne.
1.1.1 Les polluants primaires
Les polluants peuvent tre classs comme primaires ou secondaires. Par dfinition, les
polluants primaires sont ceux qui proviennent directement d'une source polluante identifie,
tels que le monoxyde de carbone provenant des processus de combustion et prsent dans les
gaz dchappement des voitures, le dioxyde de soufre provenant de lindustrie (Mayer,
1999) Les polluants secondaires ne sont pas mis directement par des sources connues et
identifies. Au contraire, ils se forment dans lair la suite de ractions mettant en jeu les
composs mis par les sources primaires, notamment lors dpisodes mtorologiques
particuliers. Un exemple majeur de polluant secondaire est l'ozone troposphrique, un des
nombreux polluants secondaires qui forment le smog photochimique, mais on peut citer aussi
les NPA (nitrates de peroxyactyle) ou encore les COV (compos organiques volatiles) dits
COV secondaires .
Le monoxyde de carbone (CO) : il rsulte de la combustion incomplte des combustibles
fossiles (charbons, fuels, ). Ce gaz est toxique (pour les tres vivants) et peut causer des
asphyxies mortelles hautes concentrations. Il est considr comme lun composs
principaux dans la problmatique de la qualit de lair intrieur, lAFSSET4 a introduit une

AFSSET : Agence Franaise de Scurit Sanitaire de l'Environnement et du Travail

10

Chapitre I
valeur guide de 100 mg/m3 pour une exposition de 15 min en CO comme une valeur limite de
cette espce au sens de la qualit de lair intrieur. Pour ce qui concerne lair extrieur, la
Directive Europenne 2008/50/CE indique une valeur limite de 10 mg/m3 pour un maximum
journalier sur 8 heures (C.E., 2008). On trouve ce gaz en abondance dans les villes et aux
abords des autoroutes cause des vhicules moteurs combustion. Cela en fait un des
traceurs de la pollution atmosphrique de type trafic.
Le dioxyde de soufre (SO2) : ce gaz est produit naturellement par les volcans, il peut
galement tre produit par diffrents procds industriels comme les industries mtallurgiques
et les raffineries de ptrole. Ce gaz, toxique pour tous les tres vivants, aide la cration des
particules (arosols sulfuriques) qui empchent les rayons solaires datteindre la terre, ainsi il
joue un rle de refroidissant de la plante (Pascal, 2009). Conformment aux directives
europennes, une surveillance des principales installations industrielles a t mise en place au
cours des annes 80 et la mise en uvre de disposition de rduction la source a permis une
baisse drastique des missions du SO2 dans latmosphre. La figure 1-2 prsente les
diffrentes sources dmissions de SO2 enregistres pendant lanne 2010, nous remarquons
que 84% des missions sont produites par la production dnergie et le secteur industriel.
Ainsi, compte tenu de lensemble des rglementations mises en place, des
concentrations qui restent relativement faibles de ce gaz peuvent tre dtectes aux alentours
de certains sites industriels. La figure 1-3 montre les volutions des moyennes annuelles de
SO2 en France dans les diffrents sites urbains et industriels. Nous remarquons dune part que
les concentrations ambiantes sont en baisse constante depuis les annes 2000 et dautre part
que les concentrations moyennes en SO2 sont toujours plus leves en sites industriels quen
sites urbains. Ce gaz peut ainsi tre considr comme traceur potentiel des missions
dorigine industrielle.

11

Chapitre I

Figure 1-2 : Sources d'mission de SO2 durant l'anne 2010. Source : CITEPA5

Figure 1-3 : Evolution des moyennes annuelles de SO2 en France dans des sites urbaines et industrielles.
Source: BDQA6

Les oxydes dazote (NOX) : ils comprennent notamment le monoxyde dazote (NO) et le
dioxyde dazote (NO2). Ce sont des gaz fortement toxiques qui rsultent de loxydation de
lazote de lair par loxygne temprature leve, phnomne qui se produit gnralement
5

Centre Interprofessionnel Technique dEtude de la Pollution Atmosphrique

http://www.citepa.org/fr/pollution-et-climat/polluants/aep-item/dioxyde-de-soufre
6
Base de donnes nationale de la qualit de lair :
http://www.developpement-durable.gouv.fr/BDQA-Base-de-donnees-de-la-qualite.html

12

Chapitre I
lors des processus de combustion en particulier dans les moteurs combustion interne et les
centrales thermiques (Arqus, 1998). Cest dans les zones ayant une forte circulation
automobile que nous observons de fortes concentrations en NO et NO2. De plus, NO peut
ragir avec loxygne de lair pour se transformer en NO2. La figure 1-4 montre les
principales sources dmission des NOx enregistres pendant lanne 2010, nous remarquons
que 55% des missions des NOx ont pour origine le transport routier. Les NOX pourraient
donc constituer des traceurs de la pollution urbaine lchelle globale et plus ponctuellement
de foyers importants de combustion comme les centrales de combustion urbaines et les trafics
routiers.

Figure 1-4: Sources dmission des NOx enregistres en France durant l'anne 2010. Source : CITEPA7

Les composs organiques volatiles (COV) : leur dfinition est spcifie dans la Directive
Europenne 2008/50/CE. Il sagit des composs organiques provenant de sources
anthropiques et biognes, autres que le mthane, capables de produire des oxydants
photochimiques par raction avec des oxydes dazote sous leffet du rayonnement solaire .
Une autre dfinition a t introduite par la directive 1999/13/CE: tout compos organique,
contenant au moins llment carbone et un ou plusieurs des lments suivants : hydrogne,
7

http://www.citepa.org/fr/pollution-et-climat/polluants/aep-item/oxydes-d-azote

13

Chapitre I
halogne, oxygne, soufre, phosphore, silicium ou azote lexception des oxydes de carbone
et des carbonates et bicarbonates inorganiques, ayant une pression de vapeur de 0,01 kPa ou
plus une temprature de 293,15 K ou ayant une volatilit correspondante dans les conditions
dutilisation particulires . Lmission anthropique des COV dans latmosphre provient de
diffrentes sources, comme la combustion incomplte dans des moteurs ou des centrales
thermiques, lvaporation de produits raffins, lusage de solvants dans lindustrie, les
peintures... La figure 1-5 prsente les principales sources anthropiques des missions des
COV non mthaniques dans latmosphre, enregistre entre les annes 1988 et 2011.

Transformation
nergie
Agriculture/
sylviculture

Industrie
manufacturire

Rsidentiel/tertiaire

Transport routier

Autres transports

(e) Estimation prliminaire

Figure 1-5 : Emission par secteur entre les annes 1988 et 2011 des COVNM en France. Source: CITEPA8.

http://www.citepa.org/fr/pollution-et-climat/polluants/aep-item/composes-organiques-volatils

14

Chapitre I
On remarque la forte baisse des missions de ces polluants provenant des sources associes au
transport routier essentiellement lies aux contrles et rglementations plus exigeantes en
termes dmissions dans le secteur du transport. Actuellement les sources les plus importantes
des missions des COV sont les secteurs rsidentiels et lindustrie. Il existe galement des
sources biogniques lorigine des missions de COV (Arqus, 1998). Les COV biogniques
reprsentent plus que 90% des COV lchelle globale, mais en zone urbaine, cette part peut
devenir ngligeable. Ces COV participent des ractions photochimiques dans la basse
atmosphre, causant ainsi laugmentation de la concentration en ozone dans la troposphre,
ayant un effet indirect sur la sant (Le Cloirec, 2004). Ces COV peuvent tre des traceurs des
diffrents types de pollutions tant urbaines quindustrielles (Liu, et al., 2012).
Les particules en suspension : ces particules (notes PM en anglais pour Particulate
Matter ) sont d'une manire gnrale les fines particules solides ou liquides en suspension
dans l'air. Ces particules sont dfinies dans la directive 1999/30/CE comme les particules
passant dans un orifice dentre calibr avec un rendement de sparation de 50% pour un
diamtre arodynamique de 10 m (cas des PM10) ou de 2,5 m (cas des PM2,5) . Ces
particules proviennent de sources naturelles comme les ruptions volcaniques, la vgtation
(pollens), les incendies de forts ou de sources anthropiques comme les missions
industrielles, la combustion des fossiles combustibles On distingue 4 types de
particules (C.E., 2008):

PM10 particules en suspension dans l'air, d'un diamtre arodynamique (ou

diamtre araulique) infrieur 10 m ;

PM2.5 dont le diamtre est infrieur 2,5 m, appeles particules fines ;

PM1 dont le diamtre est infrieur 1,0 m, appeles particules trs fines ;

PM0,1 dont le diamtre est infrieur 0,1 m, appeles particules ultrafines ou

nanoparticules.
15

Chapitre I
Toutes ces particules sont dangereuses tant pour la sant des tres humains, que pour la
vgtation. Par contre, seules les particules PM10 et PM2.5 sont rglementes et cibles par les
Directives Europennes. L'augmentation des concentrations en particules dans l'air est
corrle avec laugmentation des maladies cardiovasculaires, des allergies, des cancers du
poumon, ce qui conduit une diminution de l'esprance de vie (Pascal, 2009). La figure 1-6
montre les diffrentes sources dmission des PM enregistres en 2010. Les sources
industrielles et rsidentielles sont les producteurs majeurs des missions des PM dans
latmosphre.

Figure 1-6 : Sources principales des missions des PM en France durant lanne 2010. Source : CITEPA9

Le Mthane : ce gaz nest pas rglement en tant que polluant dans latmosphre par les
Directives Europennes, mais peut tre un bon traceur de certaines pollutions anthropiques.
On le trouve l'tat naturel produit par des organismes vivants. Il constitue lessentiel du gaz
naturel qui est exploit comme combustible fossile. Il est lun des principaux gaz effet de
serre et a un rle important dans le rchauffement climatique. Depuis lre industrielle, la
concentration de mthane na cess daugmenter dans latmosphre. Elle est passe de 700

http://www.citepa.org/fr/pollution-et-climat/polluants/poussieres-en-suspension

16

Chapitre I
ppbv au dbut du 19me sicle 1750 ppbv aujourdhui en raison de laugmentation des

Concentration mondiale en mthane (ppb)

activits humaines lies lindustrialisation et lurbanisation (figure 1-7).

Anne
Figure 1-7 : Augmentation de la concentration du mthane dans le monde durant les 30 dernires annes.
Source :OMER710

1.1.2 Les polluants secondaires

Ce sont les polluants prsents dans latmosphre qui se forment la suite de ractions
mettant en jeu les composs mis par des sources primaires ou encore qui ne proviennent pas
d'une source directement polluante. Leur prsence dans latmosphre est difficile rguler car
leur existence ne provient pas directement des activits anthropiques.
LOzone : dans la basse atmosphre et sous des conditions climatiques particulires (comme
une augmentation de lirradiation solaire), en zone urbaine, les missions de prcurseurs sont
importantes : les hydrocarbures et les oxydes d'azote sont donc prsents en grande quantit.
Beaucoup d'ozone se formera mais, celui-ci ragira trs vite, une fois form, avec le
monoxyde d'azote dont l'apport est constant. L'ozone sera donc en partie consomm au niveau
des agglomrations et gnralement prsent en faible quantit.

10

Outils nuMERiques pour l'tude des Sciences de l'Environnement Terrestre : omer7.sedoo.fr

17

Chapitre I
Comme pour tous les polluants secondaires, il est difficile de limiter la production dozone
partir de la mise en uvre de limitations des missions. Bien que la concentration globale des
autres polluants dans latmosphre tende baisser, celle de lozone reste intacte ou parfois
subit de lgres augmentations au cours des dernires annes comme nous le montre la figure
1-8. Cest dans les zones rurales proches des agglomrations que les concentrations en O3
enregistres sont gnralement les plus leves. Ces concentrations plus leves sexpliquent
par la cintique du formation de ce polluant secondaire lors du viellissement de la masse dair
considre, transporte partir des zones urbaines ou industrielles fortement mettrices en
espces primaires. Par ailleurs, dans les sites trafic, lO3 tant dtruite par certains polluants
primaires il est gnralement absent sur ces sites trs pollus. Pour toutes ces raisons, lO3 est
considr comme le traceur majeur de la pollution photochimique.

Figure 1-8 : Evolution de la concentration moyenne annuelle d'O3 de 2000 20011.

Tous les polluants cits prcdemment prsentent des concentrations variables dans
latmosphre et contribuent dune faon directe ou indirecte la pollution atmosphrique. Le
tableau 1-1 rappelle les principales sources de ces polluants, leurs effets sur la sant humaine

18

Chapitre I
ainsi que les tonnages mis en France entre 2000 et 2009. Les Directives imposes par
lUnion Europenne en matire de qualit de lair associes aux normes europennes visant
la mise en application des directives et traduites en lois ou normes par ltat franais (ou les
tats membres de lUE) (Ministre du dveloppement durable, 2010) ont permis de diminuer
de prs dun facteur 2 les missions des polluants primaires en environ 9 annes.
Tableau 1-1 : Principaux polluants atmosphriques mesurs, leurs sources et leurs effets (El Yamani, 2006) avec les
emissions en France reportes entre 2000 et 2009 (source : CEIP-WebDab report U-FR11 (2011-02-14)). 1 Gg = 109 g

Principaux
polluants
atmosphriques

Sources principales

Effets sur la sant

Emissions enregistre
durant (Gg)
2000

2009

Industries
(installations
thermiques, raffineries, etc.)

Trs soluble, rapidement absorb par

les surfaces humides de la bouche, du
nez. Irritant respiratoire, contribue
lexacerbation
des
troubles
bronchiques

632

302

Industries de combustion
(transports,
installations
thermiques, etc.)

Irritations de lappareil respiratoire,

crises dasthme et bronchiolite

1575

1116

CO

Installations de combustion,
transports,
chauffage
domestique

Atteinte du systme nerveux central

et des organes sensoriels.

6709

3950

O3

Polluant secondaire form

suite des ractions
chimiques entre COV et
NOx en prsence de rayons
ultraviolets

Polluant irritant des yeux, de la

gorge, et des poumons, peut altrer la
fonction respiratoire et la rsistance
aux infections

-------------

-------------

COV-NM

Combustion, usage et
vaporation des solvants
et carburants industriels, etc.

Irritant des yeux et des poumons

peuvent engendrer des bronchites par
intoxication chronique. A long terme,
ils seraient responsables de cancers

1706

878

PM10 et PM2.5

Vhicules (en particulier

diesel)
et combustion de certaines
industries

Irritant trs actif par altration des

fonctions
respiratoires,
crises
dasthme avec long terme des
bronchites chroniques

PM10 :
501
PM2.5 :
368

PM10 :
364
PM2.5 :
251

SO2

NOx
(NO et NO2)

1.2.

Rglementation

En raison du caractre dangereux des diffrents polluants et la dgradation de la

qualit de lair provoquant une dgradation de la sant des populations, la surveillance de la
qualit lair est devenue une ncessit. Cette surveillance a dbut au dbut des annes 60
19

Chapitre I
pour ce qui concerne les dpositions des particules, puis elle a t remplace, au dbut des
annes 70, par la surveillance de polluants gazeux, cette surveillance a t organise par
lapparition des directives europennes de la gestion de la qualit de lair dont lUnion
Europenne dfinit le cadre. La stratgie de surveillance et de gestion de la qualit de lair
ambiant extrieur se base sur la Directive Europenne 96/62/CE (Math, et al., 2009). Ces
Directives sont mises en place dans le dispositif national de surveillance de la qualit de lair
avec lappui technique des laboratoires de rfrence nationaux comme par exemple le
Laboratoire Central de Surveillance de la Qualit de lAir (LCSQA) compos de lINERIS,
du LNE, et de lEcole des Mines de Douai. Les polluants gazeux dont les missions dans
latmosphre sont surveilles doivent rpondre aux directives imposes par lUnion
Europenne relatives aux polluants rglements. Le tableau 1-2 donne la liste des
Directives les plus importantes imposes par lUnion Europenne pour la rglementation et la
protection de la qualit de lair. Au niveau national, la loi n96-1236 du 30 dcembre 1996 sur
lair et lutilisation rationnelle de lnergie (loi LAURE) nonce le principe du droit de
chacun respirer un air qui ne nuise pas sa sant.
Tableau 1-2 : Les Directives imposes par lUnion Europenne pour la protection et la rglementation de la qualit de
lair.

Directive

Date de parution

Cible

80/779/EEC (C.E., 1980)

15-juillet-1980

SO2 et PM10

82/884/EEC (C.E., 1982)

3-Decembre-1982

85/283/EEC (C.E., 1985)

7-Mars-1985

92/72/EEC (C.E., 1992)

21-Septembre-1992

O3

1999/30/CE (C.E., 1999)

22-Avril-1999

SO2, NO2 & NOx, PM10, Pb

2000/69/CE (C.E., 2000)

16-Novembre-2000

C6H6, CO

2002/3/CE (C.E., 2002)

12-Fvrier-2002

O3

2004/107/CE (C.E., 2004)

15-dcembre-2004

As, Cd Hg, Ni et HAP

2008/50/CE (C.E., 2008)

21-mai-2008

SO2, NO2 & NOx, PM10, PM2,5,

Pb, C6H6, CO, O3.

NOX

20

Chapitre I
Il est noter que la rglementation a volu et qu ce jour, cest la Directive
2008/50/CE qui est en vigueur et dfinit le cadre de surveillance dun grand nombre de
polluants sauf pour les mtaux lourds et les HAP pour lesquels la directive 2004/107/CE est
toujours en vigueur. Ces Directives imposes par lUnion Europenne introduisent des valeurs
limites et des seuils dinformation et dalerte pour la protection de la sant humaine et de la
vgtation (Math, et al., 2009). La notion dobjectif de qualit a t introduite et vise
rduire anne aprs anne la prsence des polluants dans lair. Le tableau 1-3 rpertorie les
valeurs des objectifs de la qualit de lair avec les valeurs limites et les seuils dalerte et
dinformation en vigueur ce jour au vu des Directives 2008/50/CE et 2004/107/CE.
Ces limites et valeurs imposes par les Directives Europennes sont renforces par les
termes de la loi n 96-1236 du 30/12/96 (loi LAURE). Cette loi dfinit un sens plus large de
la pollution atmosphrique en prcisant (Math, et al., 2009) :
-

les conditions de mise en place de dispositifs de surveillance de la qualit de lair dans les
agglomrations,

les objectifs de la qualit de lair,

la prise en compte de mesures durgence en cas dalerte la pollution atmosphrique,

linformation du public,

et les mesures fiscales et financires favorisant des systmes et des nergies peu
polluantes.

21

Chapitre I
Tableau 1-3 : Rcapitulatif sur les objectifs de qualit et les limites imposes par la Loi n 96-1236 parue le 30/12/96 sur lair et lutilisation rationnelle de lnergie sur les polluants
(mise jour des valeurs : Fvrier 2010 et directive 2008/50/CE). AOT40* : exposition accumule lO3 au-del de seuil de 40 ppb.
Gaz Cible

NO2

Objectif de
qualit
40 g/m en
moyenne annuelle

Valeurs limites pour la protection de la sant

humaine
200 g/m en moyenne horaire ne pas dpasser
plus de 18 heures par an (Centile 99,8)
44 g/m (40 g/m en 2010) en moyenne
annuelle

NOx
compter de 2010 120 g/m maximum
journalier de la moyenne sur 8 heures ne pas
dpasser plus de 25 jours par an(en moyenne sur
3 ans)

O3

Valeur limite pour la

protection de la vgtation

30 g/m3 en moyenne
annuelle
6 000 g/m.h en AOT40,
calcule partir des valeurs
sur 1 heure de mai juillet
(en moyenne sur 5 ans)

Seuil
dinformation
200 g/m en
moyenne
horaire

Seuils dalerte

180 g/m en
moyenne
horaire

1er seuil : 240 g/m moyennes horaires

pendant 3 heures conscutives

400 g/m en moyenne horaire

ou si 200 g/m3 en moyenne horaire J1 et J, et prvision de 200 g/m3 J+1

2e seuil : 300 g/m moyennes horaires

pendant 3 heures conscutives
3e seuil : 360 g/m en moyenne horaire

CO

SO2

BENZNE

BENZO-()PYRNE

50 g/m en
moyenne annuelle

2 g/m en
moyenne annuelle
compter de
2013 1ng/m en
moyenne annuelle
dans la fraction
PM10
30 g/m en
moyenne annuelle

10 mg/m soit 10 000 g/m pour le maximum

journalier de la moyenne glissante sur 8 heures
350 g/m en moyenne horaire ne pas dpasser
plus de 24 heures par an (Centile 99,7)
125 g/m en moyenne journalire ne pas
dpasser plus de 3 jours par an (Centile 99,2)
5 g/m en moyenne annuelle

50 g/m en moyenne journalire ne pas

dpasser plus de 35 jours par an (Centile 90.4)

20 g/m en moyenne
annuelle et en moyenne sur
la priode du 1er octobre au
31 mars

300 g/m en
moyenne
horaire

500 g/m en moyenne horaire pendant

3 heures conscutives

80 g/m en
moyenne sur 24
heures

125 g/m en moyenne sur 24 heures

PM10
40 g/m en moyenne annuelle

22

Chapitre I

2. Mesures et mthodes normalises

La Directive 2008/5/CE et lAFNOR11 ont prconis des mthodes spcifiques de
mesure pour chaque polluant. Ces mthodes normalises permettent daccder aux niveaux de
concentration des gaz cibls avec une grande prcision correspondant aux objectifs de qualit
spcifiques dans la directive. Le tableau 1-4 prsente les diffrentes mthodes de mesure
spcifiques chaque polluant avec la rfrence de la norme associe.
Tableau 1-4 : Les diffrentes mthodes normalises pour les gaz rglements (Houdret, et al., 2008).
Gaz

Mthode de mesure

Norme

NOX
CO
O3
SO2

chimiluminescence
rayonnement infrarouge non dispersif
photomtrie UV
fluorescence UV

EN 14211 (2005)
EN 14626 (2005)
EN 14625 (2005)
EN 14212 (2005)
EN 14662-1 (2005)
EN 14662-2
EN 14662-3

Benzne prlvement actif et chromatographie

Des analyseurs automatiques dair ont t dvelopps spcifiquement pour effectuer des
mesures selon les mthodes normalises. Ils peuvent tre utiliss dans des stations de mesures
de la qualit de lair pour assurer le suivi au quotidien de la pollution atmosphrique
(Sivacoumar, et al., 2001).

2.1.

Diffrentes mthodes de mesures spcifiques aux polluants

Les mthodes normalises listes dans le tableau 1-4 pour la mesure des gaz
rglements ncessitent lutilisation danalyseurs intgrant des composants complexes pour
assurer des mesures rpondant aux exigences de qualit requises dans les directives et normes
(source de radiation UV ou IR, filtre, four) (Toupance, et al., 2004) (Skoog, et al., 1992) ce
qui rend ces analyseurs assez complexes et coteux. Le tableau 1-5 rpertorie les principales
mthodes de mesures utilises par ces analyseurs en prcisant leurs atouts et leurs faiblesses.

11

Association Franaise de Normalisation.

23

Chapitre I
Tableau 1-5 : Rcapitulatif des mthodes danalyses de gaz (Ngo, 2006).
Technique utilise

Gaz dtect

Minimum
dtectable

Temps de
rponse

Avantages

Inconvnients

Chromatographie en
phase gazeuse

COV (selon dtecteur

et colonnes)

<<1ppm

5 40 min

Sensible,
spcifique

Etalonnage ncessaire, peu

portable, mthode
destructive

Spectromtrie de masse

Tout compos sous

forme gazeuse

ppb ppm

1 min

Absorption infrarouge

CO, CO2, SO2, HCl,

HC

ppm

1 min

Chimiluminescence

NO, NO2

1 ppb

1 min

Trs
spcifique

Maintenance et talonnage
dlicat, mthode
destructive

Fluorescence

SO2

<0.1 ppm

1 min

Peu
dinterfrence

Spcifique SO2

Slective,
sensible,
quantification
parfaite
slective,
sensible

Matriel lourd,
interprtation de spectres
Interfrence avec vapeur
deau

Ces mthodes assurent gnralement des mesures slectives avec une grande prcision
en un temps de rponse relativement court (Toupance, et al., 2004). Leurs points ngatifs
majeurs rsident dans leur non portabilit et leur complexit dutilisation. Ces outils ont
besoin dtre talonns rgulirement et leur maintenance peut savrer coteuse.

2.2.

Rseaux de surveillance de la qualit dair

Des rseaux de surveillance de la qualit de lair et de mesures de la pollution

atmosphrique sont rpartis en France et dans toute lEurope. On compte au minimum un
rseau par rgion en France comme montr sur la figure 1-9.
Chaque rseau prend en charge la surveillance de lair dans sa rgion, et met en place
diffrentes

stations

de mesures,

contenant

chacune un ou plusieurs

analyseurs

physicochimiques dair, bass sur les mthodes de mesures normalises listes prcdemment
(c.f. tableau 1-4). Ces stations sont places en diffrents points fixes des principales
agglomrations pour rpondre aux exigences requises par les Directives. Les mesures de la
concentration de chaque polluant dans lair sont releves en continu pendant 24 heures
lorsquil sagit de mesures automatiques ou sont ralises une frquence rgulire.

24

Chapitre I

Figure 1-9 : Rpartition des rseaux de mesure de qualit d'air en France12.

Ces stations de mesures ncessitent une quipe de personnel qualifi (des techniciens,
informaticiens, ingnieurs...) afin dassurer le bon fonctionnement du matriel, son
talonnage, la rcupration et le traitement des donnes. Ces quipes doivent avoir galement
des comptences en maintenance lectrotechnique et lectronique des appareils. Outre le cot
en ressources humaines, le budget de construction et dquipement dune seule station
dpasse plusieurs dizaines de milliers deuros. Cela limite fortement le nombre
dimplantations possible qui se rduit gnralement aux exigences requises par la Directive
Europenne ou pour la surveillance de points particuliers comme autour des sites industriels.

12

http://www.developpement-durable.gouv.fr

25

Chapitre I

2.3.

Stations de mesure de la pollution

Plusieurs paramtres et critres spcifiques sont attribus aux stations de mesure de la

pollution par les Directives Europennes (Math, 2010). La classification des stations
correspond aux problmes de pollution atmosphrique rencontrs en fonction de la zone
gographique o elles sont implantes. Elles peuvent appartenir des zones urbaines ou des
zones rurales, les zones urbaines sont les units bties et telles que la somme des populations
des communes qui les composent soit suprieure 2000 habitants, les zones rurales sont les
communes qui ne font pas partie de la zone urbaine (ADEME, 2002). Limplantation rpond
elle-mme des critres de classification bien spcifiques. Ces critres dpendent du nombre
dhabitants dans une zone urbaine, de la position de la station, du trafic automobile quotidien,
du rapport entre les diffrents polluants rencontrs, et enfin de la hauteur du point de
prlvement (Math, 2010). On distingue 2 groupes de stations : les stations de fond et les
stations de proximit (Math, et al., 2009). Les stations de fond ralisent un suivi de
lexposition moyenne des personnes et de lenvironnement des phnomnes de pollution
atmosphrique, cest le cas des stations dites urbaines et priurbaines . Les stations de
proximit telles que les stations dites industrielles et trafic , fournissent des
informations sur les niveaux maximaux des concentrations des polluants mesurs dans leurs
zones reprsentatives, ainsi que les niveaux dexposition de la population situe proximit
des sources. A chaque type de station, est ddie une liste de polluants spcifiques. Nous
pouvons classifier en France 7 diffrents types de stations appartenant ces deux groupes
(ADEME, 2002):
-

Station urbaine

Station priurbaine

Station rurale rgionale

Station rurale nationale

26

Chapitre I
-

Station industrielle

Station trafic

Station dobservation spcifique

Le tableau 1-6 prsente les objectifs dimplmentation de chaque type de station, ainsi

que les polluants surveills et de leur rayon de reprsentativit. Il est noter que la
reprsentativit des stations de proximit est bien plus rduite que celles des stations de fond.
Par ailleurs, les Directives Europennes 2000/69/CE et 1999/30/CE prcisent que les stations
devraient tre de prfrence reprsentatives dune aire de plus de 200 m2 pour les sites trafics,
de plusieurs km pour les sites urbains, et dau moins 1000 km pour les sites surveillant les
cosystmes (ADEME, 2002). Nous comptons en France 249 stations urbaines, 113 stations
priurbaines et 87 stations trafics ainsi que 37 stations rurales rgionales, 8 stations rurales
nationales et 34 stations dobservation spcifique (ADEME, 2002).
Parmi les diffrents critres permettant de classer les types de station, on peut noter les
suivants :
-

Un rapport de la moyenne annuelle en concentration R de monoxyde dazote sur celle

de dioxyde dazote constitue le marqueur pour la dfinition dun site daccueil dune
station trafic (Math, 2010) :

Pour une valeur de R infrieure 1,5 la station est classe comme urbaine ou priurbaine,
pour une valeur de R suprieure 1,5 on classe la station comme trafic.

27

Chapitre I
Tableau 1-6: diffrents types des stations de surveillance de qualit de lair (Math, et al., 2009) (Math, 2010) (ADEME, 2002).

Groupe de
station

Station de fond
ralisant un suivi
de lexposition
moyenne des
personnes et de
lenvironnement.

Type de
station

Rayon de laire de
reprsentation

Objectifs

Polluants
mesurs

Nombre
de station
en 2002

urbaine

De 100 m 2 km

Suivi de lexposition moyenne de la population aux phnomnes de pollution

atmosphriques dits de fond dans les centres urbains.

NOX, O3,
SO2, PM10
COV

249

De 1 km 5 km

Suivi de la pollution photochimique (notamment O3 et ses prcurseurs) et

ventuellement les polluants primaires. Suivi du niveau dexposition moyen
de la population aux phnomnes de pollution atmosphrique dits de fond
la priphrie du centre urbain.

NOX, O3

113

Rgionale
rurale

De 5 km 25 km

Surveillance de lexposition de la population et les cosystmes la pollution

atmosphrique de fond (notamment photochimique) lchelle rgionale
Participation la surveillance de la qualit de lair sur lensemble du territoire,
notamment dans les zones rurales.

NOX, O3,
NH3

37

Nationale
rurale

De 30 km 500 km

Surveillance dans les zones rurales de la pollution atmosphrique dite de

fond issue des transports de masses dair longue distance, notamment
transfrontaliers.

NOX, O3,

887

Industrielle

De 100 m 5 km

Source dinformations reprsentatives du niveau maximum auquel la

population riveraine dune source fixe est susceptible dtre expose.

SO2, COV,
HAP,
NOX, HP,
O3*, CO*

163

Trafic

De 10 m 50 m

Source dinformations reprsentatives du niveau maximum auquel la

population situe en proximit dune infrastructure routire est susceptible
dtre expose

NOX, CO,
SO2*, Pb*,
HAP*

87

Selon les besoins

Rponse des besoins spcifiques tels que laide la modlisation, la

prvision

Selon les
besoins

34

Priurbaine

Station de
proximit

Observation spcifique

*polluants optionnels

28

Chapitre I
Pour limplantation des stations trafic, la distance maximale une voie automobile
frquente ne doit pas dpasser 10 m pour tre au plus prs de la source. Les stations urbaine
et priurbaine sont gnralement sous linfluence dune pollution photochimique forte en
priode estivale. Par contre, au niveau des sites trafic, les fortes concentrations de NO dans
lair provenant de la circulation automobile peut ragir avec lO3 prsent dans lair en le
transformant en NO2 ce qui constitue donc un puit de NO. Par consquent, mme en periode
de pollution photochimique, les sites trafic peuvent avoir une concentration trs basse en O3.
Mesurer lozone en station trafic nest pas donc pertinent (Math, 2010) et aucune des stations
de type trafic ne dispose dun analyseur en O3 crant ainsi au niveau des jeux de donnes
disponibles une diffrence significative.

2.4.

Information du public Indice ATMO

Plusieurs approches ont t choisies par les Associations Agres de Surveillance de la

Qualit de lAir (AASQA) afin de prsenter dune manire synthtique les informations
caractrisant la pollution atmosphrique. La mthode la plus utilise est lindice ATMO. Cet
indice varie de 1 (trs bon) 10 (trs mauvais) selon la svrit de la pollution. Un arrt
ministriel du 22 juillet 2004 rajust par larrt du 21/12/2011 afin de sadapter
lvolution des normes rglementaires, dfinit les chelles permettant de calculer lindice
ATMO dans les agglomrations comptant plus de 100000 habitants.
Cet indice est construit partir de 4 sous-indices eux-mmes calculs partir des
concentrations en SO2, O3, NO2 et PM10. Lindice final correspond la valeur la plus leve
de ces 4 sous-indices13. Les donnes de base pour le calcul de chaque sous-indice sont :

13

La moyenne des concentrations maximales horaires observes pour SO2, NO2 et O3.

La moyenne des concentrations journalires observes pour les PM10.

www.airaq.asso.fr

29

Chapitre I
Le tableau 1-7 donne le tableau de calcul des sous-indices. A noter que cette chelle est
quasiment linaire jusqu lindice 7. Lindice 10 correspond aux seuils dalerte des polluants.
Tableau 1-7 : Indice ATMO provenant de larrt du 21 dcembre 2011 modifiant larrt 22 juillet 2004 relatif aux
indices de la qualit de lair.

2.5.

Indice

Qualit

SO2 (g/m3)

O3 (g/m3)

NO2 (g/m3)

PM10 (g/m3)

Trs bon

0-39

0-29

0-29

0-6

Trs bon

40-79

30-54

30-54

7-13

Bon

80-119

55-79

55-84

14-20

Bon

120-159

80-104

85-109

21-27

Moyen

160-199

105-129

110-134

38-34

Mdiocre

200-249

130-149

135-164

35-41

Mdiocre

250-299

150-179

165-199

42-49

Mauvais

300-399

180-209

200-274

50-64

Mauvais

400-499

210-239

275-399

65-79

10

Mauvais

500

240

400

80

Conclusion

En conclusion sur cette partie, il apparat que mme si les mesures de ces stations de
mesure de la qualit de lair sont fiables et prcises, elles comportent quelques inconvnients
majeurs:
Manque de mobilit : les mesures sont toujours effectues au mme point
gographique, ce qui rend les mesures dynamiques et/ou le maillage dun site difficile,
voire impossible (Johnsons, et al., 1973) (Hunter, et al., 1992).
Cot dinstallation et de fonctionnement lev : au cot associ lachat des
diffrents analyseurs spcifiques, il convient dajouter le cot associ la
maintenance, ainsi que le besoin de personnels qualifis pour rpondre aux questions
de complexit et difficults de mise en uvre des appareils.
Lorsquune valuation de la qualit de lair est souhaite sans que cette valuation
corresponde une mesure reglementaire dans la cadre de la mesure de la qualit de lair, des
mthodes complmentaires, simples, mobiles, et peu coteuses peuvent tre envisages quitte
30

Chapitre I
perdre un peu de prcision des mesures. Ces mthodes ne cherchent pas remplacer les
stations de mesures de la qualit de lair, mais simplement offrir des mthodes
complmentaires plus simples pour rpondre des problmatiques o la prcision de mesures
nest pas un aspect prioritaire. Ainsi ces dernires annes, le domaine des capteurs de gaz a
connu un intrt tout particulier dans le domaine de la qualit dair.

3. Les capteurs de gaz

Les mthodes normalises de mesure de la pollution atmosphrique dj cites
ncessitent des instruments de mesure trs sophistiqus et complexes, ce qui les rend
gnralement surdimensionns dans des applications o la prcision des mesures et la
dtermination slective de toutes les espces gazeuses prsentes dans une atmosphre pollue
nest pas une priorit ; cest le cas du suivi qualitatif de la qualit de lair. Dans cette optique,
les recherches relativement rcentes en matire de mtrologie de la qualit de lair se sont
intresses lutilisation de capteurs de gaz bass sur des concepts physiques ou physicochimiques offrant des mthodes de mesure plus simples et une plus grande souplesse
dutilisation (Pijolat, 1997). Les progrs technologiques de la microlectronique et
llaboration de nouveaux matriaux sensibles utiliss dans llaboration de ces capteurs de
gaz (Lalauze, 1997) sont lorigine des avances majeures dans ce domaine. Ils sont
gnralement constitus dun matriau dont lune ou plusieurs de ses caractristiques
physiques sera sensible la nature de lenvironnement gazeux auquel il est soumis. Une
modification de lenvironnement sera alors gnralement traduite en une variation de signal
lectrique aux bornes du matriau. Dans cette optique, ces capteurs doivent tre capables de
prsenter une sensibilit, une fiabilit et une slectivit acceptables selon les exigences des
applications vises. Ces paramtres sont primordiaux dans des dispositifs contenant plusieurs
capteurs de gaz comme les rseaux des capteurs de gaz et les nez lectroniques. Dans cette

31

Chapitre I
partie, sont prsents les diffrents types des capteurs de gaz, en indiquant leurs avantages et
inconvnients et en terminant sur leurs utilisations dans les rseaux de capteurs.

3.1.

Les diffrents types de capteurs de gaz

Par dfinition, un capteur est un composant dont le fonctionnement est bas sur un
phnomne physique, chimique ou biologique permettant de transformer une grandeur
physico-chimique en un signal gnralement lectrique. On peut citer en exemple les capteurs
physiques de temprature, de vitesse, dacclration, de pression. Un capteur de gaz
transforme la concentration dune espce gazeuse dans un environnement gazeux en une
variation de tension, de courant ou dimpdance lectrique (Permuy, et al., 1994).
Les capteurs de gaz chimiques, sont les capteurs les plus utiliss pour la
reconnaissance des espces gazeuses dans un environnement gazeux complexe. Ils sont
constitus dune couche sensible et dun systme de transduction (Permuy, et al., 1994). Cette
couche ragit avec son environnement gazeux qui en retour modifie ses proprits physiques
comme montr dans la figure 1-10. Cette modification peut se prsenter sous la forme dune
variation de conductance (), dune variation de masse (m), ou dune variation de
lintensit lumineuse dans le cas dun matriau fluorescent (Ilum.). Le systme de
transduction va traduire cette variation de proprit physique en un signal lectrique (I), une
variation de lintensit lumineuse mise (Ilum) ou une variation de frquence (F) (cas dune
microbalance quartz). Parmi ces capteurs chimiques, on peut citer : les capteurs lectrolyte
solide, les capteurs catalytiques, les capteurs rsistifs, les capteurs capacitifs (Debliquy,
2010).

32

Chapitre I

Figure 1-10 : la couche sensible dans un capteur chimique, et les molcules de gaz qui y interagissent (Thery-Merland,
et al., 2006).

Ces capteurs de gaz chimiques sont classs en fonctions des diffrents types de phnomnes
physiques sur lesquels ils se basent. La suite de ce chapitre donne un descriptif des types de
capteurs de gaz chimiques les plus utiliss (Debliquy, 2010).
3.1.1. Les capteurs lectrolyte solide
Les capteurs lectrolyte solide, encore appels conducteurs ioniques (Menil, 2008)
sont des capteurs chimiques qui se basent sur les transferts de charges lectriques entre les
espces gazeuses dans lair et les ions mobiles dans llectrolyte solide spar par une
membrane conductrice assurant le transport des ions. Le transport de ces ions induit une
diffrence de potentiel entre les deux lectrodes plonges dans llectrolyte. Cette diffrence
de potentiel est fonction de la concentration des espces gazeuses en contact avec les ions
(Jaffrezic-Renault, et al., 1994). Ces capteurs peuvent tre de type potentiomtrique ou
ampromtrique. Les capteurs de gaz potentiomtriques contiennent lun de ces ions (O2-, F-,
H+, Li+, Na+, Ag+, etc.). En revanche, les capteurs ampromtriques sont presque
exclusivement bass sur des ions O2-. Ils se basent sur la mesure de la diffrence entre la
pression partielle doxygne dans llectrolyte solide et loxygne de lair, mais de
nombreuses possibilits existent pour la dtection dautres gaz (CO, NO2, SO2, CO2,
hydrocarbures) (Menil, 2008). Ces capteurs ncessitent un systme de chauffage pour
porter llectrolyte une temprature de fonctionnement pouvant atteindre 800 C. On donne
33

Chapitre I
lexemple dune sonde lambda qui est un capteur potentiomtrique doxygne dont
llectrolyte solide est base de cramique de zircone stabilise (voir figure 1-11). Ce type de
capteur est actuellement mont sur les lignes dchappement automobile pour surveiller les
teneurs des gaz d'chappement (CO2, CO, NOx) ce qui explique leur succs commercial
(Menil, 2008). La sonde est munie de deux lectrodes poreuses en platine, une au contact de
lair de rfrence et lautre en contact direct avec le gaz dchappement travers une couche
cramique poreuse. Ces deux lectrodes sont spares par un compartiment dans lequel la
pression partielle doxygne est connue. Llectrolyte est chauff une temprature de lordre
de 700-800 C afin de permettre la conduction ionique. La diffrence de potentiel entre ces
deux lectrodes indique le taux dchange des ions doxygne.

Figure 1-11 : Capteur base d'lectrolyte solide dans l'chappement des automobiles, sonde lambda (www.eobd.fr)

Ce capteur est galement utilis dans la rgulation des conditions de combustion des
moteurs automobiles afin daider mieux contrler les missions de gaz toxiques tels que les
hydrocarbures, les NOX, et le CO (Ash, 2006).
Ces capteurs possdent plusieurs avantages comme :
-

la possibilit de miniaturisation,

une bonne rsistance aux chocs thermiques,

une bonne rsistance aux fortes pressions,

34

Chapitre I
-

une variation linaire du signal avec la concentration doxygne.

Par contre, ils sont aussi connus pour leur sensibilit mdiocre, leur complexit de mise en

uvre et dimplmentation dans des systmes miniaturiss. Ils ncessitent galement un

talonnage rgulier, et enfin, ils ne permettent pas une mesure en continu. En raison de tous
ces inconvnients, et tout particulirement le dernier point cit concernant limpossibilit dun
suivi en continu, nous avons cart ce type de capteurs des options possibles pour la
ralisation du rseau de capteurs que nous souhaitons mettre en uvre.
3.1.2. Capteurs capacitifs
Labsorption dune substance chimique dans un matriau modifie ses proprits
dilectriques. Ce mcanisme a conduit la ralisation des capteurs chimiques capacitifs dans
les annes 80, o la capacit du capteur change au contact des espces dtecter (Menil,
2008). Ce type de capteurs est largement utilis pour la mesure de lhumidit relative. La
figure 1-12 montre la composition dun capteur capacitif pour la mesure de lhumidit
relative.

Figure 1-12 : Hygromtre capacitif dilectrique polymre (Jaffrezic-Renault, et al., 1994)

Dans son principe, un hygromtre capacitif est constitu par une lame de polymre
hygroscopique sur laquelle sont dposes deux lectrodes mtalliques poreuses, l'ensemble
constituant un condensateur. Lorsque le polymre adsorbe les molcules d'eau, son volume

35

Chapitre I
augmente et la distance entre les lectrodes s'accrot, ce qui se traduit par une variation de
capacit du condensateur (Debliquy, 2010) :

Avec :

0 est la permittivit du vide (= 8,852pF/m)

r est la permittivit du matriau

s est la surface des lectrodes

e est lpaisseur du polymre.

Actuellement, diffrents types de ces capteurs sont dvelopps afin de dtecter des
composs organiques comme lthanol ou le tolune (Menil, 2008). Ces capteurs prsentent
plusieurs avantages comme :
-

une simplicit de mise en uvre,

une faible consommation dnergie,

un temps de rponse rapide,

une intgration facile dans des applications portables ou embarqus,

des possibilits de miniaturisation,

En revanche, leur sensibilit lhumidit porte prjudice la dtection dautres types de gaz.
Ce manque de slectivit induit une perte de prcision sur les mesures.
Compte-tenu de tous ces lments lors de la ralisation du rseau de capteurs, seule la mesure
du taux dhumidit sera effectue laide dun capteur de type capacitif.
3.1.3. Capteurs rsistifs, capteurs oxydes semi-conducteurs (SnO2)
Ces capteurs sont caractriss par une couche sensible base dun matriau semiconducteur (souvent le dioxyde dtain, SnO2). Un matriau semi-conducteur possde une

36

Chapitre I
bande interdite suffisamment petite, par rapport un isolant, pour que les lectrons de la
bande de valence puissent facilement rejoindre la bande de conduction. La figure 1-13
prsente le diagramme des bandes dnergie dans les cas de matriaux isolants, semiconducteurs et conducteurs. Pour un mtal, la bande interdite nexiste pas, les lectrons se
dplacent ainsi librement dans le matriau. Dans le cas dun isolant, la bande interdite est trop
large pour que le passage des lectrons entre bande de valence et bande de conduction soit
possible. Par contre, pour un semi-conducteur, un potentiel lectrique suffisant appliqu ses
bornes, permettra le passage de porteurs travers la bande interdite, induisant un faible
courant lectrique. Ce phnomne est fortement dpendant de la temprature et des impurets
prsentes dans le matriau ou sa surface.

Figure 1-13 : Schma thorique des bandes d'nergie en fonction de la nature dun matriau.

Le principe de la dtection dans lair des capteurs de gaz semi-conducteurs se base

sur lchange des lectrons entre le matriau semi-conducteur polaris de la couche sensible et
des ions (O2-) provenant des molcules dO2 adsorbes la surface. Pour former les ions O2cette couche sensible doit tre amene une haute temprature (entre 200 et 400)
(Debliquy, 2010). La variation de taux doxygne adsorb la surface change les
caractristiques du matriau ce qui provoquera un changement de rsistance. Ainsi, la

37

Chapitre I
diminution de la quantit doxygne adsorbe, soit par une diminution de la concentration de
loxygne dans lenvironnement du capteur, soit par une raction la surface du matriau, se
traduit par une variation de conductivit (Jaffrezic-Renault, et al., 1994) (Debliquy, 2010). La
figure 1-14 illustre le principe de ce fonctionnement. La prsence de gaz oxydants ou
rducteurs va occasionner des ractions doxydorduction catalytiques la surface mettant en
jeu ces ions et donc bouleversant les quilibres et ainsi la conductivit lectrique G. La
variation dnergie E de la barrire de potentiel suivant laxe Z suite ladsorption doxygne
sur la surface du matriel semi-conducteur induit la variation de conductance G.

Figure 1-14 : reprsentation de la barrire de potentiel au joint de grains suite ladsorption doxygne (Debliquy,
2010).

Il existe plusieurs types de capteur semi-conducteur qui diffrent entre eux par la nature du
semi-conducteur et par les types de gaz dtecter. Nous montrons dans le tableau 1-8 des
exemples de diffrents types de matriaux et leur gaz cibles.
Tableau 1-8 : Famille de gaz dtect en fonction des diffrents types de semi-conducteur (Debliquy, 2010).

Semi-conducteur

Gaz dtect

SnO2
WO3
Cr1.8Ti0.2O3

Gaz combustibles (Mthane, propane, CO)

Ozone, NO2
Ethanol et ammoniac

Pour assurer une cintique dadsorption et surtout de dsorption ncessaire leur

fonctionnement, ces capteurs ne fonctionnent qu une temprature de quelques centaines de
C et sont donc munis dune rsistance de chauffage pour amener cette couche sensible une
38

Chapitre I
temprature prcise (Kamionka, 2005). La relation entre la conductivit dun semi-conducteur
et la temprature est une relation exponentielle (Permuy, et al., 1994) (Nakata, et al., 1998).
La figure 1-15 prsente leffet de la variation de la temprature de chauffage dun capteur
semi-conducteur base de SnO2 par rapport la dtection de certains gaz. Nous remarquons
que la temprature pour laquelle la sensibilit est optimale varie dun gaz lautre. Le choix
de la temprature de chauffage est donc trs important suivant lapplication et le gaz que lon
souhaite dtecter (Kamionka, 2005).

Figure 1-15 : Variation de conductance du SnO2 pour des gaz spcifis par rapport la temprature (Kamionka,
2005).

Facile concevoir, et de faible cot, ces capteurs sont largement utiliss pour des
applications simples de suivi des nuisances dans lair. Par ailleurs, comme ils consomment
relativement peu dnergie lectrique, de lordre de quelques dizaines de mW, ces capteurs
sont idaux pour des applications visant une basse consommation lectrique. La figure 1-16
illustre la composition dun capteur semi-conducteur commercialis, la couche sensible est
dpose directement sur une rsistance chauffante pour lamener sa temprature optimale.
Ces capteurs ont t largement optimiss depuis une trentaine dannes, ce qui leur confre

39

Chapitre I
une grande sensibilit pour la dtection de certains gaz, un temps de rponse rapide qui peut
atteindre quelques secondes, une faible taille, un faible cot (quelques euros) par rapport aux
autres types de capteurs et une grande facilit dutilisation dans des systmes lectroniques
(Jaffrezic-Renault, et al., 1994).

Figure 1-16 : Composition d'un capteur semi-conducteur (Jaffrezic-Renault, et al., 1994)

Ces capteurs prsentent toutefois quelques inconvnients dont les principaux sont:

Une faible slectivit : un capteur donn sera davantage sensible une famille de gaz
plutt qu un gaz particulier.

Une dure de vie limite de 18 24 mois,

Une dpendance la temprature et lhumidit ambiante (Delpha, et al., 1999) (Fort,

et al., 2011).

Des problmes de drive de ligne de base.

Une non-linarit de la rponse de ces capteurs la concentration du gaz cible

Un temps de recouvrement souvent plus long que le temps de rponse mais qui reste
de quelques secondes (voir figure 1-17).

La figure 1-17 montre la rponse typique dun capteur semi-conducteur en fonction de la

concentration dun gaz, nous remarquons la non linarit de la rponse dun tel capteur, ainsi
que la prsence dun effet mmoire aprs la disparition de la concentration de gaz d
laccumulation des particules sur la couche sensible. Ce qui explique la prsence dun temps
de recouvrement plus long que le temps de rponse.
40

Chapitre I
G: [S]

Gaz: ON

Gaz: OFF

Gaz: OFF

Ligne de rfrence
temps: [s]
Temps de
rponse
(quelques s)

Temps de
recouvrement
(quelques s)

Figure 1-17 : rponse d'un capteur semi-conducteur un chelon de gaz.

Mme avec la prsence de ces quelques aspects ngatifs, la facilit dutilisation, la bonne
sensibilit et le temps de rponse rapide de ce capteur en font un bon candidat notre
application.
3.1.4. Autres types de capteurs - capteurs physiques
Pour dtecter un gaz, il existe galement des capteurs dit physiques (Menil, 2008)
tels que les capteurs absorption optique, les capteurs photo ionisation (PID) et les capteurs
conductivit thermique. Ces capteurs physiques possdent une dure de vie suprieure
celle des capteurs chimiques, mais en revanche ils prsentent plusieurs inconvnients majeurs,
rdhibitoires pour lapplication vise dans le cadre de ce travail. Le principal inconvnient
rside dans leur manque drastique de sensibilit, avec des limites de dtection parfois
suprieures 1000 ppm. Par ailleurs, leurs conditions dutilisation sont parfois dlicates et ils
sont souvent trs peu slectifs. Ces capteurs physiques ont donc t trs vite carts de notre
choix pour la mise en place dans un rseau de caractrisation de la pollution atmosphrique,
cest pourquoi nous ne dveloppons pas plus ici leur principe de fonctionnement.

41

Chapitre I

3.2.

Utilisation des capteurs dans la qualit de lair

Comme chaque type de capteurs de gaz prsente aussi bien des avantages que des
inconvnients, il sagira de trouver le meilleur compromis rpondant aux contraintes imposes
par le cadre du suivi de la qualit de lair. Les capteurs idaux doivent combiner facilit
dutilisation, bas cot, et temps de rponse rapide, tout en offrant une sensibilit et une
slectivit acceptables. Le tableau 1-9 rpertorie les diffrents types de capteurs de gaz les
plus utiliss, en rappelant brivement leur principe de dtection, leurs points forts et leurs
faiblesses.
Dans le cadre du suivi de la pollution de lair et de la construction dun systme
portable base de rseaux de capteurs, nous cherchons des capteurs ayant une bonne
sensibilit avec un temps de rponse rapide, miniatures et faciles utiliser et implmenter
dans des systmes multi-capteurs, et de faibles cot et consommation lectrique. Une lecture
approfondie de ce tableau montre que les capteurs de gaz semi-conducteurs (s-c) combinent
lensemble des performances cibles, et prsentent surtout les limites de dtection les plus
basses. Par consquent, ils constituent le meilleur choix pour une utilisation dans un systme
multi-capteurs pour le suivi de la pollution atmosphrique.

3.3.

Caractristiques mtrologiques dun capteur de gaz s-c

Comme nous avons dcid de travailler avec des capteurs de gaz s-c, il est important
de rappeler les caractristiques principales de ces composants. Les 3 paramtres les plus
importants constituent ce qui est couramment appel les 3S (Pijolat, 1997) : sensibilit,
slectivit et stabilit.

42

Chapitre I
Tableau 1-9 : Classification de quelques types de capteurs de gaz selon leur principe de dtection.

Type de Capteur

Grandeur mesure

Avantages

Inconvnients

Electrolyte solide

Tension ou courant

Capacitif

Capacit

- Etalonnage ncessaire
- Complexit dutilisation
- Dure de vie limite (2 ans)
- cot lev (~100)
- Systme de mesure complexe
- Forte interfrence avec leau
- Manque de slectivit

Rsistif
semi-conducteur

Rsistance ;
Conductance

- Miniaturisation
- Rsistance aux chocs thermiques et pression
- Variation linaire du signal
- Temps de rponse faible
- Simplicit dimplmentation
- Faible cot (<10)
- Faible consommation lectrique
- Miniaturisation
- Temps de rponse rapide
- Longue dure de vie
- Miniature
- Faible cot (< 20)
- Faible consommation lectrique
- Facilit dutilisation
- Grande sensibilit
- Temps de rponse faible
- Large gamme de gaz dtectables

PID

Charge lectrique

- Longue dure de vie

Optique

Pic dabsorption

- Longue dure de vie

- Miniaturisation

Conductimtriques

Conductivit thermique - Longue dure de vie

Faible slectivit
Dure de vie limite (~2 ans)
Dpendance la temprature
Problmes de drive

Limite de
dtection
10-20 ppm

~10 ppb

10 ppb 1 ppm

Manque de sensibilit et de slectivit

~100 ppm
Difficult dutilisation
Dimensions
Gamme de gaz dtectables limite
cot lev (>100)
Difficult dutilisation
~100 ppm
Cot lev
Gamme de gaz dtectables limite
Difficult
de
miniaturision
et
dutilisation
- Difficult dutilisation,
- Non slectivit.
- Cot lev (>100)

43

Chapitre I
3.3.1. Sensibilit
Par dfinition, il sagit du rapport entre la variation lmentaire de la grandeur
de sortie fournie par le capteur et la variation lmentaire de la grandeur mesurer. Pour
un capteur de gaz de type semi-conducteur, la sensibilit sera donc la variation de la
conductance de sa partie sensible par rapport la variation de la concentration de
lespce gazeuse laquelle il sera ddi. La sensibilit est exprime en Siemens (ou
Ohm-1) par ppm comme montr sur la figure 1-18 (Kamionka, 2005). Si la rponse du
capteur est linaire, la sensibilit sera alors constante ce qui est rarement le cas pour les
capteurs de gaz (Kamionka, 2005). Elle sera donc dfinie pour une concentration
donne.

G [S]

Capteur rel:
Rponse non linaire

Cas simple:
Rponse linaire

Sensibilit:

Ligne de rfrence
Concentration du gaz

X [ppm]

Figure 1-18 : rponse non linaire d'un capteur semi-conducteur

3.3.2. Slectivit
Cest lune des caractristiques les plus importantes des capteurs de gaz. Par
dfinition, la slectivit est laptitude dun dispositif dtecter quantitativement la
prsence dun gaz indpendamment des variations de concentrations des autres gaz
susceptibles dinterfrer. On parle dune slectivit absolue lorsquun capteur ne
rpond qu une seule espce gazeuse, et que sa rponse nest pas affecte par la
44

Chapitre I
prsence dune autre espce. La slectivit est dite relative si on dispose dun capteur
qui rpond diffrentes espces susceptibles dtre prsentes dans son environnement
gazeux.
Les capteurs de gaz semi-conducteurs sont gnralement peu slectifs, ce qui
est une des grandes limitations de lutilisation de ces capteurs (Pijolat, 1997).
Cependant, en utilisant plusieurs capteurs mesurant le mme environnement, et en
exploitant lensemble de leurs signaux par des mthodes mathmatiques adaptes, il
est possible dextraire de cette slectivit partielle, des informations pertinentes.
Lutilisation de plusieurs capteurs de gaz pour la dtection des espces gazeuses de
lair est considre comme lapproche multi-capteurs . De la mme faon,
lutilisation des mthodes mathmatiques pour le traitement des signaux des capteurs
est considre comme lapproche multi-variables (Kamionka, 2005).
3.3.3. Stabilit
Cest un paramtre qui caractrise la drive du signal des capteurs au cours
dune plus ou moins longue dure dutilisation mme si les conditions de mesures sont
constantes.
Ces drives peuvent tre corriges dans certains cas en effectuant
priodiquement un calibrage de zro (Tsujita, et al., 2005), cest dire une mesure
dans une atmosphre de rfrence (gnralement sous un air de composition contrle,
appel air zro ). Mais cette dmarche possde deux inconvnients. Dune part il
est ncessaire de disposer dune atmosphre de rfrence, par exemple une bouteille de
gaz talon, ou un dispositif de purification de lair. Dautre part, on suppose alors
que seule la grandeur de rfrence X(0) drive, or souvent, cest la sensibilit ellemme qui varie galement. Dautres mthodes cherchent modliser cette drive

45

Chapitre I
(Romain, et al., 2010) (Tomic, et al., 2002), mais elles ncessitent de grosses
ressources de calcul, et leur implmentation un systme temps rel sajoute la
complexit de loutil de mesure (De Vito, et al., 2009). Les capteurs de gaz semiconducteurs sont particulirement concerns par cette faiblesse (Menil, 2008)
(Kamionka, 2005) (Korotcenkov, et al., 2011).
La facilit dutilisation de ces capteurs avec leur faible cot rend ces capteurs assez
populaires. Leur implmentation ainsi que leur utilisation dans diffrents systmes de mesure
des gaz est facile ce qui permet aussi la multiplication de ce type de capteurs dans un mme
systme et permet donc lobtention de la signature ou empreinte dchantillons gazeux
complexes, sans pouvoir en prciser la composition exacte (Menil, 2008). On parle alors de
rseau de capteurs de gaz.

3.4.

Rseau des capteurs de gaz - Nez lectroniques

Des auteurs ont propos de combiner lutilisation de plusieurs capteurs pour la dtection
denvironnements gazeux complexes. Le premier essai exprimental utilisant plusieurs
capteurs a t publi par Hartman et al en 1954 et 1964 en se basant sur plusieurs capteurs de
type ampromtrique (Hartman, 1954) (Wilken, et al., 1964) (Gardner, et al., 1999). Un
systme multi-capteur combinant 8 de ces diffrentes cellules lectrochimiques a t
dvelopp. Les rponses observes pour diffrents chantillons dodeurs donnent diffrentes
formes encore appeles signatures . Dans le laboratoire MICC lEcole des Mines de Saint
Etienne, lutilisation des capteurs pour la dtection des espces gazeuses a dbut avec
C.Pijolat durant sa thse (Pijolat, 1986). Il a pu dtecter la prsence conjointe de benzne et
dthanol en utilisant deux capteurs identiques base de SnO2 chauffs des tempratures
diffrentes. Ces essais ont ensuite t poursuivis par des tudes sur le dveloppement des
capteurs de gaz (Breuil, 1989) (Bruno, 1994) (Sauvan, 1999) (Montmat, 2002) (Rivire,
2004) (Perdreau, 2000) (Kamionka, 2005).
46

Chapitre I
Les systmes multi-capteurs de gaz ont t crs dans le but de dtecter diffrentes
espces gazeuses spcifiques dans une atmosphre gazeuse artificielle (Gardner, et al., 1992)
(Shurmer, et al., 1993) ou pour le suivi dune pollution atmosphrique (Tsujita, et al., 2005).
Lappellation de systmes multi capteurs de gaz varie entre rseaux de capteurs de gaz et
nez lectroniques selon lapplication cible. Les nez lectroniques sont ddis la
reconnaissance des odeurs, tandis que les rseaux de capteurs sont ddis la reconnaissance
des espces gazeuses au sens large, sans connotation olfactive. Il sagit donc dun systme de
capteurs application spcifique (ASSS14) (Menil, 2008) compos de plusieurs capteurs
chimiques possdant une slectivit partielle, dite aussi relative. Insistons ici sur le fait que
lappellation rseau de capteur (diffrents capteurs implments dans un mme ensemble)
couramment utilise, notamment dans ce manuscrit, peut prter confusion car il ny a pas de
rpartition gographique des capteurs.
3.4.1. Approches de mesures quantitatives ou qualitatives
Si lon dispose de plusieurs capteurs qui rpondent tous les gaz susceptibles dtre
prsents dans un environnement gazeux, avec des proportions diffrentes, un systme de
reconnaissance de formes peut alors tre apte discriminer plusieurs espces ou groupe
despces gazeuses dans ce mlange. Ces systmes peuvent donc tre utiliss pour effectuer
des mesures quantitatives dans des applications simples (Negri, et al., 2001), par contre pour
des applications complexes comportant un grand nombre de gaz, ces systmes seront limits
des mesures qualitatives ou semi-quantitatives (Helli, et al., 2004).
On distingue trois grands types dapplications suivant la finalit qualitative et/ou
quantitative de lanalyse (Menil, 2008):

Scurit et sant : contrle de qualit dair intrieur, pollution, dtection de

gaz explosifs, toxiques ou dangereux. Dans ce cas on cherche acqurir des

14

Application Specific Sensor System, terme propos par lETH zrich.

47

Chapitre I
informations les plus prcises possibles. Il sagit donc dune approche
quantitative (Tsujita, et al., 2005) (Zampolli, et al., 2004) (De Vito, et al.,
2009) (Kamionak, et al., 2006).

Caractrisation dune odeur ou dun arome et toutes les recherches agroalimentaires. Dans ce cas, on sintresse la prsence ou non dune espce ou
dun groupe despces sans avoir besoin de connatre leurs concentrations. Il
sagit dune approche purement qualitative (cas des nez lectroniques) (Mielle,
et al., 2001) (Capone, et al., 2000) (Ampuero, et al., 2003) (Cevoli, et al.,
2011) (Lozano, et al., 2008) (Garcia, et al., 2006).

Applications hybrides, pour lesquelles une valuation des odeurs et plus

largement

despces

gazeuses

sans

quantification

exacte

est

recherche : usines, sites industriels, sites de compostages, bassins de

dcantation, pandages, eaux dgout (Nake, et al., 2005) (Romain, et al.,
2005) (Romain, et al., 2000) (Bitter, et al., 2010). Cest le cas dun nez
lectronique et il sagit gnralement dune approche semi-quantitative (Haddi,
et al., 2011).
3.4.2. Architecture dun systme multi-capteur
En gnral, les capteurs utiliss dans ces systmes sont des capteurs semi-conducteurs,
soit dorigine commerciale (Negri, et al., 2001), soit raliss par leurs concepteurs pour une
application spcifique (Kamionka, 2005) (Althainz, et al., 1996) (Yamazoe, et al., 2009)
(Sarry, et al., 1999). Ces systmes sont exploits laide de mthodes de reconnaissance de
formes et danalyse numrique (Chaiboun, et al., 2007). En utilisant un groupe de capteurs,
dont la rponse individuelle est diffrente en fonction de la nature des gaz susceptibles dtre
prsents, on constitue une empreinte qui peut tre unique et spcifique chaque mlange
gazeux, sous rserve dappliquer un traitement des signaux adquat. La recherche de cette
48

Chapitre I
empreinte est lapproche multi-variable. Cet aspect est fortement exploit dans toutes les
tudes sur les rseaux des capteurs et nez lectronique (Tsujita, et al., 2005) (Thery-Merland,
et al., 2006) (Getino, et al., 1999). La figure 1-19 prsente, larchitecture de base dun
systme multi-capteurs associe un traitement de signal. Les signaux de plusieurs capteurs
de gaz exposs ensembles au mme environnement gazeux sont exploits afin dobtenir une
information adquate sur les espces gazeuses prsentes.

Rseau de
capteurs

2
2
2

Prtraitement de donnes
(normalisation, filtrage,
compression...)

Algorithme de
reconnaissance de
forme

Modle
dapprentissage

Sortie

Dtermination
de lespce

Espces
*

gazeuse
n

Figure 1-19 : Schma de base de traitement de signal dun rseau de capteurs

Lutilisation dune approche multi-variable est une ncessit dans un rseau de

capteurs non slectifs (Shaffer, et al., 1999) (Sommer, et al., 1995). Les mthodes
principalement utilises comme les mthodes de reconnaissance de formes (Fu, et al., 2007)
ont comme objectif de trouver une corrlation entre les signaux de sortie de ces capteurs et la
composition chimique de leur environnement gazeux (Brudzewski, et al., 2007). Elles peuvent
tre divises en deux groupes : les mthodes supervises et les mthodes non supervises. La
technique supervise consiste reprer les espces gazeuses par comparaison aux espces
49

Chapitre I
connues pendant ltalonnage du systme. Dans ce cas, une dmarche dtalonnage des
capteurs sous diffrentes espces gazeuses mesurer sera ncessaire. Plus ces espces sont
nombreuses plus la dmarche dtalonnage sera longue et complexe. Cet talonnage permettra
de construire un modle de comportement qui sera utilis par un algorithme mathmatique
dsign. Ceci est dcrit dans la partie dsigne par modle dapprentissage prsente dans
cette architecture sur la figure 16. Par contre, lobjectif de la technique non supervise est de
dtecter et de discriminer les espces inconnues en amplifiant les diffrences entre leurs
vecteurs dentres associs (Gardner, et al., 1999). Ces mthodes, qui font aussi partie de
lanalyse multi-variables, seront dveloppes dans la section relative aux rseaux de neurones,
mais par dfaut, les mthodes que nous exposons sont supervises.

4. Analyse multi-variable
Lanalyse multi-variable est un outil mathmatique utilis en linstrumentation ds les
annes 70 (World, 1995), en lanalyse chimique, pour interprter les rsultats des mthodes
spectroscopiques et est souvent appele pour cela chimiomtrie (Breuil, 1997) (Otto,
2007). Aujourdhui son utilisation touche presque tous les domaines scientifiques o la
modlisation dun nombre croissant de variables exige lutilisation doutils mathmatiques
adquats. Lanalyse multi-variable consiste trouver des corrlations entre diffrentes
donnes, ce qui est particulirement adapt la reconnaissance de signatures de la pollution
atmosphrique issues des donnes fournies par les rseaux de capteurs.

4.1.

Principes de modlisation multi-variables

La modlisation multi-variable consiste modliser les variations dun certain nombre

de variables dites difficilement mesurables appeles variables Y en fonctions dautres
variables dites facilement mesurables appeles variables X. Une modlisation mathmatique
suffisamment labore peut en thorie modliser nimporte quel systme rel complexe
50

Chapitre I
partir de donnes exprimentales (Munz, et al., 2009). Cependant, plus une mthode de
modlisation est complexe, plus elle cotera cher en terme de poids de calcul, et surtout moins
elle aura de chances dtre extrapolable dautres donnes. De plus, la rapidit et la linarit
de la modlisation dpendent du type de mthodes choisis. En gnral, toutes les mthodes de
modlisation possdent des principes communs (Breuil, 1997).
Par exemple, la recherche par approches algbriques ou itratives dun modle mathmatique
cherche tablir la fonction vectorielle Y=f(X) reproduisant au mieux des variables Y
(sorties), par exemple des concentrations gazeuses, partir de variables X (entres), par
exemple des signaux de capteurs. Dans ce cas, la fonction f est le prdicteur. Ce modle
mathmatique est calcul lors dune phase dite talonnage du modle . On distingue deux
oprations rsumes dans la figure suivante. Lors de ltalonnage (ou modlisation), toutes les
variables X et Y doivent tre connues pour calculer le prdicteur. La phase dite de
prdiction , utilise le prdicteur et les X variables pour calculer les Y variables inconnues.
Cette partie utilise le modle pr tabli comme montr dans la figure 1-20.

Figure 1-20 : principe danalyse multi-variable

51

Chapitre I

4.2.

Problme de sur-modlisation :

Il est toujours possible en augmentant la complexit dun modle, daboutir

thoriquement un meilleur rsultat pour un jeu de donnes dtalonnage donn. Mais un
bon modle calcul partir dun groupe dchantillons nest pas forcment extrapolable
dautres. Ainsi, si le modle est trop prcis, cest dire plus complexe que ncessaire, on
risque de modliser non seulement les phnomnes physiques, mais aussi les particularits des
chantillons utiliss pour ltalonnage, notamment lerreur alatoire, rendant ds lors ces
modles moins performants pour dautres chantillons.
Par ailleurs, on peut montrer que, lors de la prdiction, mme si le modle est correct
physiquement (erreur de modlisation ngligeable), plus le modle est complexe plus les
erreurs alatoires lies la mesure sont statistiquement amplifies lors de la prdiction
(Kamionka, 2005). On dfinit ainsi le taux damplification de lerreur relative :

X reprsente lerreur alatoire sur la X-variable X mesure, et Y, appele erreur

lie la mesure , la consquence de cette erreur sur la Y-variable calcule Y. La variable
reprsente la sensibilit au bruit du modle, elle augmente lorsque la complexit du
modle augmente. Elle reprsente la propagation de lerreur alatoire travers le modle
obtenu (Kamionka, 2005).
Ces problmes, lies une complexit trop grande du modle sont dits de
surmodlisation .
A linverse, si le modle est trop simple par rapport la ralit physique, on a alors
une erreur dite de modlisation , on parle de sous-modlisation .

52

Chapitre I
Ainsi, pour obtenir le meilleur modle, il faut trouver le modle o lerreur de
prdiction soit minimale comme montr dans la figure 1-21, et donc un quilibre entre sous et
sur-modlisation.

Figure 1-21 : erreur de prdiction en fonction de la complexit du modle.

Cest la raison pour laquelle tout modle doit tre optimis, test et valid laide de
donnes distinctes des donnes dtalonnage, cette tape sera appele ltape de validation.

4.3.

Les diffrentes mthodes de modlisation

Une des principales difficults sera donc le rglage adquat de la complexit du modle,
la mthode la plus simple pour viter cette sur-modlisation tant de tester tout modle avec
des chantillons nayant pas servi le construire. Cet aspect sera dvelopp lors de la
prsentation des algorithmes.
On peut classer les mthodes multi-variables en trois catgories : les mthodes linaires
simples, les mthodes linaires complexes, et les rseaux de neurones (Gardner, et al., 1999).
4.3.1. Mthodes linaires simples
Ce sont des mthodes linaires peu puissantes mais capables de rsoudre des problmes
simples bass sur des systmes dquations multi-variables linaires. Ces mthodes, comme la

53

Chapitre I
rgression multilinaire (MLR), ne ncessitent pas une grande puissance de calcul. Prenons
un systme linaire :

Avec :

A la matrice de prdiction et E la matrice de lerreur.

X le vecteur de variables dentre (X-variables) et Y le vecteur de sortie (Y-variables).

Rsoudre le systme consistera calculer la matrice A puisque, lors de la phase de

modlisation, les matrices X et Y sont connues. Dans le cas du MLR, il existe une solution
simple aux sens des moindres carrs:
)
On dit quon a fait une rgression linaire de Y sur X. Par contre on remarque que cette
mthode ne permet pas le rglage de la complexit, ce qui est un inconvnient majeur de ce
type de modlisation, notamment si la quantit des chantillons est faible. Par ailleurs, les
phnomnes sont supposs tre linaires ce qui nest pas le cas pour les capteurs de gaz.
4.3.2. Mthodes linaires complexes, dites factorielles
Ces mthodes sont plus puissantes et capables de rsoudre des systmes complexes.
Notons que les systmes non linaires peuvent souvent tre traits par ces mthodes aprs
linarisation.
Ces mthodes sont toujours bases sur lalgbre linaire, elles sont puissantes et
capables de rsoudre certains problmes non linaires. Elles se basent sur lanalyse de
facteurs, autrement dite analyse en composantes principales (PCA). Celle-ci consiste
transformer linairement des variables lies entre elles (variables X dites "corrles" n
dimensions) en nouvelles variables Z indpendantes les unes des autres en en diminuant le

54

Chapitre I
nombre. Les nouvelles variables Z obtenues h dimensions sont donc calcules par une
combinaison linaire des anciennes variables X, en cherchant rduire le nombre de ces
variables pour concentrer les informations utiles et en effectuant cette compression des
donnes sans perdre dinformations (Smith, 2002). Les nouvelles variables Z sont appeles les
facteurs ou composantes principales (voir figure 1-22).

X
dimension n,
variables corrles

Z=W.A
dimension h<n,
variables indpendantes

Figure 1-22 : Schma d'un changement de base selon les mthodes de PCA.

On dsigne par W la transformation de changement de base (ou le filtre matriciel appliquer

X). Lutilisation des PCA dans les traitements de donnes aide avoir une visualisation sur
la corrlation entre les variables et la sparation des groupes de classe sil en existe.
Il existe plusieurs mthodes pour dterminer cette matrice, do la diffrence entre les
diffrentes mthodes de calcul factoriel. Lintrt de cette transformation ou compression
de donnes, est de grouper les informations utiles et diminuer le plus possible la prsence du
bruit. En appliquant cette mthode, les informations utiles dans les donnes seront groupes
dans les premires valeurs, et le reste ne contient que le bruit inutile comme montr dans la
figure 1-23. En appliquant des filtres matriciels, seules les valeurs intressantes sont
conserves. La complexit du modle augmente avec le nombre de facteurs utiliss et est donc
rglable.

55

Variance

Chapitre I

Composante principale
Figure 1-23 : variances des nouvelles variables aprs application d'une mthode PCA, on remarque que les
informations ncessaires seront condenses dans les premires valeurs.

Il existe principalement deux mthodes danalyse de facteur :

-

PCR (Principal Component Rregression) qui se base sur lanalyse en composantes

principales (PCA) et donc sur ltude des valeurs propres de la matrice XX appel la
matrice de covariance, et donc sur les composantes principales des donnes X.

PLS (Partial Least Squares) qui applique une mthode itrative pour trouver la
matrice de changement de base en sappuyant sur les corrlations entre les X et les Y
variables.
Ces mthodes sont peu utilises dans le cas des nez lectroniques cause de la non

linarits des capteurs utiliss, ce qui rend difficile et complexe de traiter les rponses non
linaire des capteurs avec des mthodes linaires. Par contre, lanalyse en composantes
principales peut tre utilise comme mthode de prtraitement de donnes dans les cas
complexes afin de simplifier les modlisations.

56

Chapitre I
4.3.3. Les rseaux de neurones artificiels
Les mthodes cites jusqu prsent sont peu adaptes la rsolution des systmes non
linaires, comme lest la rponse dun rseau de capteurs chimiques. Dans ce cas, on prfrera
utiliser les rseaux de neurones (NN : Neural Network) qui sont des algorithmes dits de
modlisation universelle . Ce type dalgorithmes possde des termes et des dfinitions
diffrentes de ceux rencontrs avant car ils ont pour origine la reconnaissance de forme et non
la chimiomtrie.
4.3.3.1.

Structure gnrale du rseau

Un rseau de neurones artificiels est une mthode mathmatique doptimisation

itrative dont le but est de prdire une solution dun modle physique. Il est constitu de
nuds de traitement des informations appels neurones, qui sont connects ensemble selon
une architecture spcifique de lalgorithme appliqu. Chaque groupe de neurones forme une
couche, et chaque neurone dpend de tous les neurones de la couche prcdente comme le
montre la figure 1-24. Cette figure montre les diffrentes couches dun modle : la couche
dentre contenant les variables X, la (ou les) couche cache contenant les variables Z, et la
couche de sortie contenant les variables Y. Le nombre des couches caches dpend de la
complexit du modle prvue, le systme est ainsi appel MLP (MultiLayer Perceptron)
(Kamionka, 2005).

Figure 1-24 : architecture d'un rseau de neurones

57

Chapitre I
La propagation des valeurs dans un rseau des neurones se fait de gauche droite, chaque
neurone est une combinaison linaire de toutes les neurones de la couche prcdente, les
coefficients de cette combinaison sont appels poids synaptiques. Dans chaque neurone, le
rsultat de la combinsaison linaire est transform par une fonction non linaire dite
fonction de transfert comme indiqu sur la figure 1-25.

Combinaison
linaire

Fonction non
linaire

Figure 1-25 : Schma dun nud de calcul (Kamionka, 2005).

Nous pouvons ainsi dfinir trois catgories de couches de neurones : couche dentres,
couches intermdiaires ou caches et couche de sortie. Prenons lexemple dun rseau MLP
avec une seule couche cache, nous pouvons ainsi calculer les valeurs de sortie du rseau
comme suit :

Avec :
-

Yi : la valeur de la sortie du neurone i de la couche de sortie de rseau.

Xi : la valeur numro i du vecteur des variables dentre.

m : nombre des neurones dans la couche cache

n : nombre de variables dentre

58

Chapitre I
-

0 : loffset la sortie

i : les coefficients de combinaisons la sortie

fi : la fonction du transfert du neurone i de la couche cache

i : les coefficients de la combinaison lentre de la couche cache

0 : offset du calcul

La fonction non linaire utilise est gnralement une fonction borne (threshold function)
contenant un seuil dactivation k (Principe, et al., 2000):

Plusieurs types de fonctions non linaires peuvent tre utiliss comme montr dans la figure
1-26, la fonction la plus utilise tant la tangente hyperbolique :
)

Figure 1-26 : Fonctions non-linaires utilises dans les rseaux de neurones (Kamionka, 2005).

59

Chapitre I
Si hi dpasse le seuil dactivation k de la fonction on dit que le nud est activ, sinon le nud
sera non activ et sa valeur devient nulle. Cette 2eme tape peut tre rpte plusieurs fois
selon larchitecture du rseau.
Les algorithmes des rseaux de neurones sont caractriss par 3 proprits : leur architecture,
leur fonction dactivation et la mthode dapprentissage utilise.
4.3.3.2.

Apprentissage

Un des grands intrts des rseaux de neurones, est leur aptitude modliser un
systme spcifique en passant par une phase dapprentissage. Cest la partie quivalente
ltalonnage dans les algorithmes multi-variables conventionnels. Le but de lalgorithme
dapprentissage est de dterminer par approximations successives les poids synaptiques (i et
i) et les offsets (0 et 0) dun rseau de neurones afin que les valeurs de sorties et les valeurs
cibles soient les plus proches possibles (au sens des moindres carrs). Cest un problme
itratif, o chaque itration nous rapproche dune solution optimale. Diffrents algorithmes
doptimisations existent, les plus utiliss sont : la rtro-propagation derreurs (backpropagation) ou lalgorithme de Levenberg Marquard. Ces algorithmes sont choisis soit par
lutilisateur soit automatiquement par les programmes de conception de rseaux de neurones.
Les rseaux de neurones peuvent tre utiliss en apprentissage supervis ou non
supervis (Otto, 2007). Avec lapprentissage non-supervis, seuls les vecteurs dentres sont
utiliss pour classer des vnements inconnus. Des algorithmes spcifiques pour de tels
apprentissages existent comme les rseaux Kohonen. Ces rseaux sont connus pour leur
nuds qui sauto-organisent, ils sont plutt utiliss pour la classification des vnements
inconnus (Otto, 2007). Pour lapprentissage supervis, le rseau reoit les informations
additionnelles des variables Y cibles prdire qui vont aider dfinir les poids
synaptiques du rseau. Dans le cadre de cette thse, nous utiliserons les apprentissages

60

Chapitre I
superviss car nous cherchons dterminer des valeurs qualitatives ou semi-quantitatives en
relation avec la prsence de polluants dans latmosphre.
Lobjectif de lapprentissage est de minimiser les diffrences entre les valeurs de
sorties du systme et les valeurs dsires. Donc, pour quantifier le degr dapprentissage, on
utilise une fonction derreur. La fonction la plus utilise est le RMSEP (Root mean square
error of prediction) cest la racine carre de la moyenne des carrs des erreurs de
prdiction (26). La fonction est crite de la faon suivante :

Avec :

Y et Y sont respectivement les valeurs attendues et prdites par le modle.

n est le nombre total dobservations calcules

Au cours de lapprentissage, le RMSEP des chantillons dtalonnage va dcrotre au

fur et mesure que la modlisation devient plus complexe et plus prcise. Pour viter le
problme de sur-modlisation, le rglage de la complexit du modle se fait en limitant le
nombre ditrations. Il est pour cela ncessaire de tester les valeurs de modlisation durant les
itrations dapprentissage avec un chantillon de donnes distinct de celui utilis pour
lapprentissage. On parle dchantillons de validation . Le modle construit chaque
itration dapprentissage sera test avec les chantillons de validation, les rsultats sur ces
chantillons vont ainsi intervenir quelque peu pour construire le modle. Aprs avoir construit
le modle, un autre chantillon de donnes nappartenant ni lapprentissage ni la validation
devra donc tre utilis pour qualifier les performances finales du modle. On parle
dchantillon de test . Au cours de la modlisation, il est indispensable que les chantillons
dapprentissage, de validation et de test soient indpendants les uns des autres. Il est important
61

Chapitre I
aussi davoir une indpendance temporelle entre les donnes dapprentissage, validation et
test.

4.4.

Systme multi-capteurs et analyse multi-variables

Les systmes multi-capteurs couplent des capteurs chimiques partiellement slectifs

(spcialement des capteurs semi-conducteurs) avec un algorithme de reconnaissance de
forme base danalyses multi-variables pour la recherche d empreintes chimiques
(Holmberg, et al., 1995) (Shaffer, et al., 1999). Le choix de lalgorithme est un lement
important de ces systmes, il sagit donc pour les chercheurs de dvelopper des mthodes de
reconnaissance de forme en adquation avec lapplication vise (Fu, et al., 2007).
4.4.1. Systme multi-capteurs et rseaux de neurones
Les rseaux de neurones sont largement utiliss dans les algorithmes de reconnaissance
de forme. Que lapplication soit simple, comme la dtection des concentrations des gaz dans
des mlanges binaires (Martin, et al., 2001), ou plus complexe, comme la dtection
daltration dhuile (Hai, et al., 2006) ou encore la discrimination entre diffrentes espces
aromatisantes (Brezmes, et al., 1997). Lutilisation des rseaux de neurones offre des
avantages majeurs en termes de capacit de prdiction, de traitement des non linarits, de
robustesse, et de limitation des phnomnes de sur-modlisation (Szecowka, et al., 2011). Ils
sont largement utiliss par les chercheurs dans les domaines des nez lectroniques et des
rseaux de capteurs (Sommer, et al., 1995) (Gardner, et al., 1999).
4.4.2. Prtraitement et normalisation des donnes
Un modle idal combine une prcision, une vitesse de calcul, une facilit
dapprentissage et une robustesse face des interfrents au sens mathmatique (Natale, et al.,
1995). En ralit, il ny a aucun algorithme de reconnaissance de formes capable dassurer
lensemble des proprits cites prcdemment. Certains travaux ont dmontr limportance

62

Chapitre I
dun prtraitement des donnes qui prcde lalgorithme lorsque le nombre de capteurs et
despces gazeuses identifier est grand (Hines, et al., 1999), et que les signaux de sortie des
capteurs sont difficiles traduire en donnes utiles. Cette partie de transition ntant pas un
vrai traitement de donnes, elle est considre parfois comme une partie de lalgorithme de
reconnaissance de forme. Ce prtraitement peut varier dune simple normalisation des signaux
des capteurs et filtrage des erreurs (Martin, et al., 2001), jusqu lutilisation de mthodes
linaires plus complexes comme les ACP (analyse en composantes principales) pour faire un
pr-classement des donnes (Lozano, et al., 2008) avant dalimenter le rseau de neurones.
Lintrt de ce prtraitement est dliminer considrablement les erreurs de mesures et les
informations inutiles et, dans les cas extrmes, de compresser les donnes en diminuant le
nombre des variables modliser (Negri, et al., 2001) (Kuske, et al., 2005).
Voici un exemple de prtraitement de donnes, tir des travaux de Miguel Martin, sur
la discrimination de 2 espces gazeuses (NO2 et CO) (Martin, et al., 2001). Les valeurs
dentres ont t normalises suivant lquation :

Avec :

xi est la valeur attribue au capteur i.

Rgaz et Rref : les rsistances du capteur i respectivement pour le gaz spcifi et

un air de rfrence.

Il existe dautres techniques de normalisation utilises comme prtraitement de donnes

(Romain, et al., 2000). Ainsi on trouve la mthode utilise par AC Romain et al (Romain, et
al., 2005), o la rsistance dun capteur sera divise par la somme quadratique des rsistances
de lensemble des capteurs du systme :

63

Chapitre I

Avec :

xi les valeurs attribues au capteur i ;

Ri la rsistance du capteur i ;

Rj les rsistances des capteurs du systme incluant le capteur Ri.

Lintrt de cette mthode est de normaliser les rsistances (ou conductivits) des
diffrents capteurs dun systme en liminant les informations communes et en amplifiant les
diffrences entre eux. Cette mthode est utilise comme un prtraitement pour alimenter un
algorithme qui cherche identifier les diffrences entre les signaux des capteurs et non pas les
corrlations entre eux.
4.4.3. Systmes multi-capteurs et qualit de lair.
Plusieurs tudes ont t menes avec des systmes multi-capteurs appliqus la
qualit de lair (Tsujita, et al., 2005) (Romain, et al., 2005) (Lee, et al., 2001). En gnral, ces
tudes peuvent tre divises en deux catgories. Tout dabord, on trouve celles effectues en
laboratoire. Elles concernent le suivi dune ou plusieurs espces gazeuses toxiques dans une
atmosphre synthtique en laboratoire, comme la mesure de concentrations en H2S et NO2 en
mlange gazeux (Helli, et al., 2004) (Yang, et al., 2007) ou la dtection de mlanges de COV
par des capteurs semi-conducteurs (Szczurek, et al., 2010) (Schweizer-Berberich, et al.,
1998) (Saeed, et al., 2009). Par ailleurs, dautres tudes sont faites directement sur le terrain,
en sites pollus, o un ou plusieurs capteurs sont placs dans des sites spcifiques pour
dtecter la prsence dune ou plusieurs espces gazeuses dans latmosphre. Nous classons
ces tudes dans le tableau 1-10 :

64

Chapitre I
Tableau 1-10 : Liste des travaux effectus sur la dtection de polluants avec des rseaux de capteurs.

Catgorie

Ref

Application vise

Etude en
laboratoire

(Lee, et
al., 2001)

Discrimination des COVs (10-1000 ppm)

(De Vito, et
al., 2009)
(Negri, et
al., 2001)
(Aleixandre,
et al., 2004)
(Chaiboun,
et al., 2007)
(Yang, et
al., 2007)
(Martin, et
al., 2001)
(Helli, et al.,
2004)
(Szczurek,
et al., 2010)
(Strobel, et
al., 2004)
(Szcsurek,
et al., 2011)
(Getino, et
al., 1999)
(Zampolli,
et al., 2004)
(Saeed, et
al., 2009)
(Tsujita, et
al., 2005)
(Kamionka,
et al., 2006)

Mlange CO-NOx

Etude sur
terrain

Mlange CH4-CO-Isobutane-ethanol(concentration
totale: 500-2500 ppm)
Mlange NO2 (0,5-2 ppm), CO(50-150 ppm), Toluene
(50-150 ppm), Octane (50150 ppm)
Mlange NH3, CO, CH4, C3H8, Ethanol (1-1000 chacun)

Mthodes
danalyses
utilises
PCA-ANN
NN-Automatic
bayesian regulation
ANN
PCA, ANN, PNN,
MLP, GZ
Logarithmic model

Mlange H2S NO2 (0-9 ppm)

ANN-MLP

Mlange CO (0-45 ppm) NO2 (0-125 ppb)

ANN

Mlange H2S (1-11 ppm) NO2 (1-5 ppm) avec humidit

variable
Reconnaissance Benzene Xylene Toluene

LDA

Mlange H2S, NO2, SO2

LDA

Mlange des diffrents COVs

LDA

Mlange des diffrents polluants (NOX, Benzne, SO2)

ANN

Mlange CO et NO2

Fuzzy ANN

Mlange des diffrents COVs

ANN

Suivi NO2 dans latmosphre

Auto-calibration

Suivi de NO2 Et O3 dans latmosphre

ANN

PCA-LDA

Dautres tudes ont t menes sur la stabilit des signaux (Chaiboun, et al., 2007) et
sur la drive des rponses des capteurs, en cherchant des solutions analytiques ces
problmes, au risque de complexifier les systmes conus (Brasan, et al., 1995) (Padilla, et al.,
2010) (Flitti, et al., 2008). Par exemple, W. Tsujita et al. ont propos une mthode dautocalibration pour rsoudre le problme de drive des capteurs durant leurs travaux sur le suivi
de la concentration de NO2 dans latmosphre (Tsujita, et al., 2005). Ainsi leur systme a t

65

Chapitre I
install dans des stations de mesure de la qualit de lair et leur mthode dauto-calibration est
base sur la comparaison des niveaux de NO2 mesurs par les analyseurs des stations de
surveillance de lair et les concentrations calcules partir des signaux des capteurs. Cette
auto-calibration est parvenu diminuer les erreurs causes par la drive des capteurs, par
contre, elle ncessite un accs aux informations sur les concentrations de NO2 dans les sites
surveills. Par ailleurs, A.C. Romain et J. Nicolas ont tudi la drive des capteurs de type
TGS pendant 7 ans. Ils ont montr limportance de dvelopper un systme capable de
compenser cette drive dune part et de tenir compte de la non reproductibilit de fabrication
des diffrents capteurs de mme type (Romain, et al., 2010). Mme si lon remplace un
capteur par un autre, son comportement, et donc sa drive, ne sera jamais strictement
identique celui dorigine du mme type et provenant du mme fournisseur. Il est donc
ncessaire de recalibrer le systme chaque change de capteur (Tomic, et al., 2004). Dans
leurs travaux, ils ont russi dvelopper un modle correcteur qui estime la pente de la drive
dun capteur, et calcule un facteur multiplicatif pour chaque capteur. Mme avec une telle
correction, un calibrage trimestriel sous un gaz talon est ncessaire pour maintenir
lefficacit du modle.
Dautre part, des tudes ont montr que la discrimination multi-source est possible avec les
rseaux de capteurs (Nicolas, et al., 2006). Cest par exemple le cas dans les problmatiques
de nuisances olfactives : lorsquun site rcepteur subit linfluence de plusieurs sources,
lidentification de la source majoritaire lorigine de la nuisance permettra dappliquer les
actions correctives ad hoc. Cest lune des applications des rseaux de capteurs les plus
largement usites. On peut par exemple identifier le type de polymres utilis dans la
construction des voitures (Morvan, et al., 2000), ou encore dtecter la fume de cigarettes
dans un objectif de scurit (Kdderitzsch, et al., 2005). Pour ce qui concerne la localisation
gographique dune ou plusieurs sources lorigine dune nuisance, lutilisation dun rseau
66

Chapitre I
de capteurs associ un robot mobile permettant de se diriger vers la source a t tudie
(Trincavelli, et al., 2008). Cette approche prsente beaucoup de difficults en raison de la
nature gographique de lenvironnement (prsence ventuelle dobstacles), et de la prise en
compte de sources ponctuelles imprvues. Un maillage du terrain par des rseaux de capteurs
stationnaires permet de saffranchir des alas lis la gographique et pallier aux sources
instantanes intempestives, mais ce systme de rseaux fixes doit prendre en considration les
variables mtorologiques, telles que la vitesse du vent (Cai, et al., 2007).
Toutes ces tudes montrent la polyvalence dun rseau de capteurs, un seul rseau de
capteurs peut avoir diverses applications simplement en variant la cible de lanalyse multivariable utilise.

5. Conclusion et objectifs de la thse

Lanalyse de la pollution atmosphrique utilise des rseaux de stations de mesures de la
qualit de lair mettant en uvre des analyseurs bass sur des techniques dchantillonnage
qui ncessitent souvent des quipements complexes, lourds, et coteux. Or, pour les
applications de dtection de pollution o la slectivit et la prcision ne sont pas une priorit,
lutilisation de ces techniques peut savrer surdimensionne. Par ailleurs, l'utilisation des
capteurs lectroniques de gaz peut fournir une rponse low cost la problmatique de
surveillance de la qualit de lair. Nous cherchons ainsi dvelopper un systme base de
capteurs de gaz pour le suivi de la qualit de lair en assurant un flux dinformations fiable et
robuste sur leur environnement gazeux sans pour autant tre tenu de fournir la composition
physico-chimique prcise de lair ambiant.
Ainsi, lobjectif de ce travail est le dveloppement dun systme permettant
lidentification de diffrents types de pollutions atmosphriques ainsi que lvaluation du
niveau de cette pollution et la validation du systme dvelopp sur un site multi-influenc. Il
67

Chapitre I
sagira donc dans un premier temps de raliser un rseau de capteurs de gaz (en privilgiant
les capteurs semi-conducteurs), dans le but de dvelopper un modle mathmatique
(Rseaux de neurones, ACP) permettant de traiter les donnes issues des signaux des
capteurs afin dobtenir une qualification de la pollution atmosphrique et une quantification
de son niveau. Ce sujet se distingue de la plupart des tudes menes jusqu prsent puisque la
validation seffectuera, non pas en laboratoire sur des mlanges de gaz synthtiques et
relativement simples et dans des conditions bien contrles (Tsujita, et al., 2005) (Negri, et
al., 2001) (Martin, et al., 2001) (Szczurek, et al., 2010), mais sur le terrain, avec des mlanges
de gaz complexes en conditions relles, et en testant diffrentes catgories de sites.
Dans cette thse nous avons opt pour lutilisation de capteurs semi-conducteurs
commerciaux pour leur facilit dintgration dans un systme portable, leurs faible cot et
consommation lectrique, leur bonne sensibilit et enfin pour profiter des derniers progrs
technologiques dans ce domaine. Afin damliorer les performances du systme, ce travail
seffectuera donc en 2 phases, dcrites ci-aprs.
La premire partie du travail consistera donc tester puis choisir judicieusement les
capteurs les plus adapts lapplication terrain dans le domaine de la pollution
atmosphrique, les mettre en uvre dans un systme autonome portable, dvelopper un
banc de test de validation au laboratoire en utilisant des gaz synthtiques afin dtablir une
procdure de vrification de bon fonctionnement des cellules ralises. Plusieurs systmes
multi-capteurs seront ainsi tests simultanment pour assurer une rptabilit et
reproductibilit des rponses des capteurs, ainsi que des modles mathmatiques associs.
Cette partie de ce travail se droule dans le dpartement MICC au centre SPIN de lEMSE en
raison de lexprience acquise au laboratoire dans le domaine des capteurs chimiques de gaz,
spcialement en ce qui concerne les capteurs semi-conducteurs : les travaux sur les capteurs

68

Chapitre I
semi-conducteurs pour la dtection des gaz ont dbut dans le dpartement MICC du centre
SPIN ds 1981 avec C. Pijolat (Pijolat, 1986). Par la suite, lutilisation de ces capteurs sur le
sujet de la dtection multi-gaz a commenc avec N. Perdreau en 2000 (Perdreau, 2000) qui a
tudi la capacit dun systme constitu de plusieurs de ces capteurs et a effectu la dtection
quantitative de gaz en utilisant les techniques de rseaux de neurones. Ces travaux ont t
suivis par ceux de M. Kamionka (Kamionka, 2005) en ciblant le sujet de la qualit de lair
ambiant et en utilisant un systme multi-capteurs coupl avec les rseaux de capteurs pour le
suivi continu de lozone dans une pollution atmosphrique. Une partie de ces travaux a t
ddie au dveloppement des capteurs semi-conducteurs. Le centre SPIN est donc
particulirement comptent dans la comprhension des diffrents phnomnes physiques
rgissant le fonctionnement de ces capteurs.
La seconde partie de ce travail sera mene au dpartement Chimie et Environnement de
lEcole des Mines de Douai compte tenu de son exprience dans le domaine de la mesure et
de la surveillance de la qualit de lair. Elle se droulera en deux phases :
-

Mesures sur site avec les systmes multi-capteurs conus et valids Saint Etienne,
placs sur diffrents sites de mesures. Pour cela, des contacts ont t pris avec les
AASQA qui sont en charge de la surveillance de la qualit dair en France et en
particulier les AASQA qui sont en charge de cette surveillance en Picardie et en Rgion
Nord/Pas-de-Calais afin de pouvoir disposer des donnes annuelles de concentration des
polluants. Ces donnes seront statistiquement exploites pour dfinir et identifier les
diffrents types de pollution afin de les comparer avec les rponses des
capteursDveloppement dun modle de comportement bas sur les mthodes danalyses
multi-variables (PLS, NN) qui sera construit partir des mesures dlivres par les
rseaux de capteurs pour converger vers des signatures des diffrents types de pollutions

69

Chapitre I
tablies partir des donnes de concentrations de polluants disponibles dans les stations
de mesure.
Finalement la validation de ce dispositif intgrant le modle de comportement sera
effectu dans un site diffrent de ceux intgrs dans la phase dapprentissage : le systme
devra identifier le type de la (ou des) pollutions existantes sur un site inconnu . Cette partie
du travail ncessitera loptimisation du systme ralis soit par lajout de certains capteurs soit
par lamlioration du modle tabli.

70

Chapitre II

Chapitre II :
Dveloppement, mise en uvre et
validation dun rseau de capteurs.
1. Introduction
Lobjectif de cette thse est la conception dun systme multi-capteurs portable et
autonome pour la dtection des diffrents types de pollution atmosphrique.
Dans ce chapitre est prsente la mthodologie adapte pour concevoir le systme de
dtection des gaz, en partant du choix des capteurs, jusqu la gestion de sa portabilit et de
son autonomie. Seront galement dtaills, les bancs de caractrisation des performances
mtrologiques des rseaux de capteurs dvelopps durant ce travail de thse, les diffrentes
performances des capteurs obtenues, et le mode opratoire des tudes de calibrage et de
performance des capteurs.

71

Chapitre II

2. Choix des capteurs

Nous avons dcid de travailler avec des capteurs semi-conducteurs commerciaux en
raison de leur simplicit de mise en uvre et de leur cot faible. De plus, ce choix a t guid
par le contexte de suivi de la pollution atmosphrique prsent dans le chapitre 1, car les
limites de dtection sont a priori acceptables au regard des niveaux attendus, et la
combinaison de plusieurs capteurs associs une modlisation ad hoc devrait permettre
dtablir une signature spcifique dune pollution. Le march des fabricants des capteurs de
gaz propose plusieurs types de produits bass sur diffrentes technologies dont quelques
exemples typiques sont prsents dans le tableau 2-1. Ltude bibliographique a montr que
les capteurs les plus utiliss sont les capteurs TGS construits par Figaro, leader historique
mondial du march.
Tableau 2-1 : Liste des constructeurs de capteurs de gaz. En gras capteurs de type semi-conducteurs.

Entreprise

Type de capteur

Produit

Familles des
composs dtects

Alphasense

Electrochimique
Pid
Semi-conducteur
Electrochimique
Infrarouge
Conductivit thermique
(Pellistor)
Semi-conducteur
Electrochimique
Semi-conducteur
Electrochimique

sense
Pid
MICS
EC
IR
VQ

CO, H2S, NO2, NO, SO2

VOC
VOC, NH3, CO, NO2, O3
NO2, NO, H2S , CO, SO2
CO2
CH4, H2S

TGS
CDM
FIS
MEMBRAPOR

Semi-conducteur
Catalytique
Conductivit thermique

MSGS
MCGS
MTCS

CH4, VOC
O2, CO2, H2
VOC
O2, SO2, O3, NH3, NO,
NO2, VOC
O2, H2, CO, NOx, CH4
H2, CH4, VOC
CH4, CO2

E2v

Figaro
Fis
Membrapor
Microsense

Notre choix s'est port sur deux fabricants pour des raisons de notorit et de
disponibilit de leurs produits: Figaro (Japon) et MICS (Suisse), chacun proposant toute une
gamme couvrant nos objectifs d'applications.

72

Chapitre II

2.1.

Proprits des capteurs

Lensemble des capteurs choisis doit permettre de couvrir toutes les espces ou
familles despces susceptibles dtre prsentes dans une pollution atmosphrique. La nature
des polluants rglements (O3, NO2, NO, CO) est un des premiers critres considrer, car
leur prsence dans latmosphre donne une indication directe sur le niveau ou sur le type de
pollution atmosphrique, mais surtout leur mesure tant obligatoire, il sera ais daccder
des bases de donnes informant sur les niveaux de concentrations mesurs et permettant
dtablir une comparaison avec les donnes issues des capteurs. En second lieu, les COV sont
des gaz importants cibler parce quils peuvent tre galement spcifiques dun type de
pollution prsent dans lair ambiant (voir chapitre 1 partie 1.1.). Enfin, nous avons complt
notre choix par des capteurs capables de dtecter des gaz non rglements comme NH3, H2S,
et les alcanes car ils sont eux aussi spcifiques de certains types de pollutions plutt dorigine
industrielle mais aussi trafic. Le Tableau 2-2 rpertorie les capteurs choisis avec leur gaz
cibles et leurs gammes de dtection donnes par leurs constructeurs. Les constructeurs
donnent pour chaque capteur la rsistance de la partie sensible et celle du chauffage ainsi que
les tensions respectives associes (tension de chauffage VH, et tension de mesure VC). Le
Tableau 2-2 rcapitule les caractristiques constructeur pour chaque capteur choisi
initialement dans la conception du systme multi-capteurs ainsi que la rsistance RL de mesure
choisie.
Nous remarquons sur ce tableau que les gammes de concentrations indiques par les
constructeurs sont le plus souvent bien au-del des concentrations rencontres en pollution
atmosphrique, nous devrons donc vrifier par des tests en laboratoire la possibilit de
dtecter des faibles concentrations.

73

Chapitre II
Tableau 2-2 : Choix des capteurs.

Capteur

Gaz cibles

Gamme de dtection
(constructeur)

VC

VH

RL

Consommation
lectrique

MICS5525

Bonne sensibilit pour CO, filtre

charbon actif pour liminer lthanol et
COV.

1-1000 ppm

5V

2.5 V

1 M

76 mW

MICS2710

NO2

0,5-5 ppm

2.5 V

1.7 V

10 K

43 mW

MICS2611

O3

0,1-1 ppm

5V

2.5 V

4.7 K

80 mW

TGS2600

Large spectre des contaminants de lair

500-10000 ppm

5V

5V

10 K

280 mW

TGS2602

COV-Odeurs-H2S

30-10000 ppm

5V

5V

10 K

280 mW

TGS2611

Gaz combustibles - Mthane

500 10000 ppm

5V

5V

10 K

280 mW

TGS2620

Alcool et vapeurs de solvant

50 10000 ppm

5V

5V

10 K

280 mW

MICS5521

CO-COV et hydrocarbures

0,1 100 ppm

5V

2.5 V

47 K

76 mW

MICS5914

NH3

300-40000 ppm

5V

2.5 V

10 K

66 mW

74

Chapitre II

2.2.

Mise en uvre des capteurs semi-conducteurs

Ces capteurs semi-conducteurs ncessitent deux sources de tension continues, une

pour la mesure de rsistance de la couche sensible, et lautre pour alimenter la rsistance de
chauffage. La tension de chauffage doit correspondre la valeur prconise par le
constructeur afin que la couche sensible rponde au(x) gaz cibl(s) en fonction dune
temprature donne. Le montage lectronique correspondant ce type de capteur est simple,
comme montr dans la figure 2-1.

Figure 2-1 : Montage lectronique pour la mise en uvre d'un capteur semi-conducteur. Source : www.figaro.co.jp

Dans cette figure nous trouvons :

-

RH : rsistance de chauffage

RS : rsistance de la couche sensible, dpend de lenvironnement gazeux

RL : rsistance de mesure

VH : tension de chauffage

VC : tension de polarisation de la couche sensible

VRL : tension mesure aux bornes de la rsistance de charge RL

75

Chapitre II
La mesure de la conductance

(1) de la couche sensible est ainsi ralise grce un

pont diviseur de tension incluant la rsistance de mesure RL :

(2)

Cette conductance GS varie en fonction des concentrations des espces gazeuses dans
lenvironnement du capteur.

2.3.

Systmes de mesure dhumidit et de temprature du gaz

Comme dj expliqu (voir chapitre 1 partie 3.1.3.), les capteurs semi-conducteurs sont
sensibles aux changements de la temprature et de lhumidit de leur environnement gazeux.
Mme si dans le cadre de ce travail de thse nous sommes toujours parvenus travailler dans
des conditions de temprature et dhumidit relative contrles, soit en laboratoire, soit dans
les stations de mesure climatises des associations de mesure de la qualit de lair, il nous a
paru ncessaire de prvoir la mesure de ces deux grandeurs dinfluence et de suivre leurs
variations afin de corriger leurs effets si les rseaux de capteurs devaient tre utiliss par la
suite dans des conditions moins matrises. Cest la raison pour laquelle deux capteurs de
temprature et dhumidit relative (HR) ont t intgrs dans notre dispositif pour le
complter.
La mesure de la temprature se fait laide dun capteur de temprature de type
LM35. Ce capteur comporte 3 contacts, une masse, une alimentation comprise entre 4 et 20V
et une sortie comme montr dans la figure 2-2. La tension de sortie de ces capteurs est
proportionnelle la temprature et sa sensibilit est de 0,01V/C. Un calibrage est ncessaire
pour corriger loffset de tension une temprature de 0C.

76

Chapitre II

Figure 2-2 : Schma du montage du capteur de temprature LM35.

La courbe dtalonnage de ce capteur a t obtenue en chambre climatique pour des

tempratures comprises entre 0 et 40C, reprsentatives des futures conditions dutilisation du
rseau de capteurs. La figure 2-3 illustre cette courbe, une relation linaire est claire entre la
temprature du capteur et la temprature ambiante, et loffset de tension 0C est ainsi ici de
5,3C.
50

45

T Capteur (C)

40
35

y = 0,982x + 5,3438
R = 0,9996

30

25
20
15
10

5
0
0

10

20

30

40

50

T relle (C)

Figure 2-3 : Etalonnage du capteur de temprature

Pour la mesure de lhumidit de lair, un capteur capacitif a t utilis : le HS1101LF

(Measurement Specialities). Le condensateur, lment sensible de ce capteur, est associ un
oscillateur bas sur un circuit intgr timer de type 555 comme montr dans la figure 2-4.

77

Chapitre II
On mesure alors en sortie un signal carr de frquence inversement proportionnelle la
capacit C1.

Figure 2-4 : Schma de montage de l'oscillateur conditionnant le signal du capteur d'humidit C1

La relation entre la frquence et la valeur de la capacit est donne par :

Si les rsistances utilises R1 et R2 sont identiques et gales R, lquation 3 devient :

Avec :
-

R : la valeur de rsistances utilises, nous utilisons une rsistance de 470 k

F : la frquence du signal de sortie du circuit en Hz

C1 : la capacit du capteur dhumidit en pF.

Daprs le constructeur, la relation entre la capacit de ce capteur et lhumidit relative est

linaire, il en est donc de mme pour la relation entre humidit relative et frquence de sortie
de loscillateur. Par consquent, un simple talonnage permet daccder lquation linaire
pour le calcul de lhumidit directement partir de la frquence de sortie de loscillateur
comme montre la figure 2-5.

78

Chapitre II
5700

Frquence (Hz)

5600
5500
y = -6,7304x + 5744,8
R = 0,9915

5400
5300
5200
5100
0

20

40

60

80

100

Humidit relative (%)

Figure 2-5 : Courbe d'talonnage du capteur d'humidit relative.

Afin dtudier linfluence de lhumidit sur la rponse des capteurs, il est ncessaire
dintroduire la notion dhumidit absolue, car le couple [humidit relative/temprature] nest
pas toujours suffisant pour expliquer tous les phnomnes observs (voir paragraphe 4.2.).
Lhumidit absolue correspond la concentration molaire en vapeur deau, tandis que
lhumidit relative est le rapport entre lhumidit absolue dans lair et lhumidit absolue
saturante de lair. Lhumidit absolue saturante est la quantit maximale en vapeur deau que
lair peut contenir sans condensation. Lhumidit absolue peut tre calcule partir de
lhumidit relative en utilisant les quations suivantes :

)
)
(

Avec :
-

Hasat, Ha, Hr : lhumidit absolue saturante, lhumidit absolue et lhumidit relative

respectivement.

Meau, Mair : la masse molaire de leau (18g/mole) et de lair (28.9g/mole)

respectivement.
79

Chapitre II
-

Psat, Patm : la pression de vapeur deau saturante approxime par la formule de Rankine
(7), et la pression atmosphrique respectivement, les deux en bar (105 hPa).

T : temprature ambiante en K.
Par consquent, nous pouvons suivre lhumidit absolue de lair tout moment en

utilisant la valeur de lhumidit relative (HR) obtenue partir du capteur dhumidit, et de la

valeur de la temprature de lair obtenue partir du capteur de la temprature.

2.4.

Conception de la cellule de capteurs en laboratoire

Pour assurer le bon fonctionnement des capteurs, plusieurs prototypes de cartes

lectroniques ont t dvelopps afin dassembler, de supporter et dassurer les connections
lectriques entres les diffrentes parties de notre systme. Dans un premier temps, notre
systme a t intgr dans une cellule en polymre. Mais au cours des expriences nous nous
sommes rendu compte des effets ngatifs susceptibles de se produire avec une telle cellule,
comme ladsorption des gaz par les polymres ou inversement la dsorption de gaz contenus
dans le polymre. Pour cette raison, une 2nde cellule en verre cette fois, a t ralise afin
dliminer tout problme dadsorption. Cette dernire est quipe dune carte circuit imprim
qui peut supporter 9 capteurs et assure leur alimentation en tension de chauffage et de mesure.
Elle contient aussi les systmes de mesures de temprature et dhumidit relative.
Lacquisition de tous les signaux est rendue possible par un connecteur de type DB25. Trois
exemplaires identiques de ces cellules ont t raliss. Finalement, ces 3 cellules seront
utilises en parallle pour valuer la reproductibilit des signatures entre les diffrentes
cellules. Nous montrons dans lannexe A page 193 des photos des systmes conues.

3. Dveloppement de bancs de test

Afin dvaluer et valider les performances des systmes multi-capteurs ainsi raliss dans
des conditions environnementales les plus proches possibles des futures applications
envisages sur le terrain, des bancs de tests capables de tester en parallle les 3 cellules multi80

Chapitre II
variables ont t labors. Leur but est dassurer le passage dun dbit dair constant et
contrl simultanment dans chacune des cellules.

3.1.

Banc de test de validation

Pour valider laide de mlanges gazeux le systme multi-capteurs et dacqurir les

signaux lectriques issus des diffrents capteurs, nous avons construit un banc de test
automatis et adapt plusieurs types de gaz. Ce banc de test a t labor de sorte envoyer
une ou plusieurs espces gazeuses prsentes habituellement dans lair ambiant lors des
pisodes de pollution vers nos cellules. Les gaz choisis sont : CO, CH4, tolune, thanol, NO2,
H2S, O3. Ce flux de gaz est partag et traverse les cellules multi-capteurs contenant les
rseaux de capteurs. La figure 2-6 illustre le schma de ce banc.

Humidification
PI

FIC

Air pure

TIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

TIC

Temprature
rgle >60C

Tolune

CO

NH3

H 2S

Cellules

Ethanol

Lgende:

NO2

CH4

PI

Indication de pression

Circuit gaz

FIC

Indication et rgulation de
dbit

Connexion PC

TIC

Indication et rgulation de
temprature

Ozoneur/
Gnrateur dair

Indication/rgulation

PC commande/mesure

Figure 2-6 : schma du banc de test.

81

Chapitre II
Initialement, les connections gazeuses dans le banc de test taient faites principalement
avec de linox. Nous avons alors observ des phnomnes dadsorption des gaz oxydants
(Ozone et NOX) ne permettant pas de gnrer des concentrations fiables surtout pour les
faibles concentrations. Pour cette raison, la plupart des connections gazeuses ont t ralises
avec du matriel base de PTFE (Polyttrafluorothylne). Pour assurer lacquisition de
donnes, chaque cellule est relie un PC via des interfaces (National Instruments USB-6212
ou USB-6008) afin dacqurir les tensions de sortie des capteurs. A partir des tensions de
charge (VRL) il est facile de calculer la conductance des capteurs en utilisant les quations (1)
et (2).

3.1.1. Gnration des concentrations gazeuses de polluants

Le banc de test ainsi dvelopp est capable de gnrer des concentrations relativement
prcises des polluants choisis. Cette fonction est assure par des rgulateurs de dbits
massiques (RDM) relis une source de gaz (bouteille ou instrument de gnration de gaz),
afin de rgler les concentrations en polluants dans les cellules. Ces RDM sont pilots par un
PC laide dun programme dvelopp sous Labview, ce dernier effectue le calcul et la
gestion des dbits de gaz envoyer. Ces sources de gaz contiennent des mlanges
synthtiques soit fournis avec leurs fiches de calibrage des constructeurs (par exemple Air
Liquide) soit prpars par pese au sein du laboratoire, except lozone, trop instable dans une
bouteille, qui est donc gnr par un ozoneur (SONIMIX 3001) capable de dlivrer une
concentration variable dO3 (entre 0 et 500 ppb) dans un dbit constant de 130 L/h dair sec et
pur. Cet appareil a en effet aussi pour fonction de purifier lair ambiant aspir grce un
systme de cartouches filtrantes. Il sert donc aussi de gnrateur d air zro qui sera utilis
comme air de rfrence. Ce gaz (air pur + ventuel ozone) peut alors diluer les autres gaz
polluants pour gnrer de faibles concentrations.

82

Chapitre II
Les gammes de dtection spcifies par les constructeurs des capteurs (voir tableau 22) sont en gnral beaucoup plus leves que les concentrations de polluants mesures
couramment dans latmosphre. Il tait donc ncessaire pour nous de tester ces capteurs avec
de basses concentrations afin de se rapprocher des conditions relles dutilisation. Cest
pourquoi les faibles concentrations gnres par le banc de test doivent tre du mme ordre de
grandeur que celles rencontres dans une pollution atmosphrique. Le programme Labview
pilotant les RDM effectue le calcul des dbits des gaz envoyer. Ce programme utilise les
concentrations initiales des gaz dans les bouteilles pour calculer les dbits demands selon
lquation suivante :
)
Avec :

Dg le dbit dun gaz envoyer via un dbitmtre en L/h.

Dt le dbit de gaz total dans la cellule en L/h.

C la concentration commande du gaz envoyer en ppm.

Cm la concentration initiale du gaz dans sa bouteille en ppm.

Les incertitudes sur les concentrations gnres ont pour origine dune part les

incertitudes sur les dbits (connues partir des spcifications du constructeur de RDM),
dautre part les incertitudes sur les concentrations mres, et sont calcules partir de la loi de
propagation des cart-types.
Nous avons choisi comme concentration minimale non nulle gnrable par notre
systme, la concentration pour laquelle lincertitude relative reste infrieure environ 20%,
limage de la limite de quantification pour les systmes de dtection. Le tableau 2-3 suivant
reprend les polluants manipuls par le banc de test tout en prcisant le dbit maximal associ
chaque polluant, la concentration initiale dans leurs sources, la concentration maximale

83

Chapitre II
envoye par le banc et ventuellement la concentration minimale non nulle envoye (pour un
dbit de 130 L/h).
Tableau 2-3 : gamme de concentration en gaz du banc de test

Gaz

Dbit maximal
associ (L/h)

Concentration initiale
dans la source (ppm)

CO
NH3
Tolune
NO2
CH4
Ethanol
H2S
O3

0,2
10
0,2
5
10
10
10
-

10000
9,4
229,3
100
1000
100
5,8
-

Concentration min
(non nulle)
envoye (ppm)
1,08 0,22
0,05 0,01
0,02 0,004
0,27 0,05
5,4 1,08
0,54 0,11
0,03 0,01
-

Concentration
maxi envoye
(ppm)
15 0,37
0,72 0,02
0,35 0,01
3,7 0,09
71 1,63
3,7 0,01
0,41 0,02
0,5

3.1.2. Systme dhumidification du mlange gazeux laide du banc de test

Nous avons incorpor dans le banc de test, une partie ddie la gnration dun dbit
dair humide pour contrler le taux dhumidit relative dans les diffrentes cellules. La
mthode dhumidification utilise est dite sec (mme systme dhumidification que celui
utilis par M. Kamionka) (Kamionka, 2005). Le but est dassurer la prsence dune humidit
absolue constante dans nos cellules en liminant la possibilit de contact entre la phase liquide
de leau et les polluants susceptibles de se dissoudre dans leau au cours de lhumidification
du dbit rgul pour obtenir la concentration dsire (voir figure 2-7). Pour effectuer une telle
humidification, un faible dbit (0 10 L/h) dair sec est envoy par bullage dans de leau pure
chauffe dans un chauffe-ballon et rgule une temprature T prcise (par exemple T=60 C
1 C). Lair humide sortant de ce ballon est ainsi la pression de vapeur saturante T, il sera
alors satur en vapeur deau. Il est alors mlang avec lair sec contenant les polluants gnrs
par des rgulateurs de dbits massiques (RDM). Lair humide ainsi que le lieu du mlange
avec lair pollu sec sont maintenus une temprature suprieure T laide de cordons
chauffants rguls en temprature pour liminer le risque dune condensation de la vapeur
deau. La commande du dbit dair humidifier est faite aussi par le mme programme
84

Chapitre II
Labview qui commande les RDM. Le calcul du dbit dair humidifier se fait en se basant sur
le calcul de la pression saturante de leau partir de la formule de Rankine (7). Le dbit dair
humidifier est donc :

Avec :

Df, Dh, Hr : respectivement dbit dair humidifier, dbit de vapeur deau gnr,
humidit relative exige en L/h.

Dt : le dbit de gaz total.

Ceau : concentration deau souhaite dans la cellule en g/m3 (humidit absolue).

Psat : pression saturante de leau calcule partir de la formule de Rankine, en bar.

Patm : pression atmosphrique en bar.

Humidification
PI

FIC
TIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

PI

FIC

TIC

Temprature
rgle >60C

Cellules

Figure 2-7 : systme d'humidification spare de l'air.

Lgende:

Le dbit principal tant de 130 L/h (dbit dair pur et sec provenant de lozoneur, dbit
PI
PI

Indication de pression

Circuit gaz

FIC

non rglable et temprature ambiante), ce dbit sajoute le dbit dair chaud et humide de

Ozoneur/
Gnrateur dair

FIC

Indication et rgulation de
dbit

TIC

Indication et rgulation de
temprature

PC commande/mesure

Connexion PC

Indication/rgulation

85

Chapitre II
maximum 10 L/h et un dbit de source des polluants de maximum 10 L/h temprature
ambiante. Avec la baisse de temprature du dbit dair humide, nous pouvons ainsi aboutir
nimporte quelle valeur dhumidit relative dsire. Au total le dbit envoy vers nos cellules
varie donc entre 130 L/h, pour un air sec pur, et 150L/h.

3.2.

Banc de test dvelopp pour les mesures terrain

Paralllement ce banc de test en laboratoire, nous avons galement labor un banc de

test adapt aux contraintes terrain , afin dutiliser les cellules de mesures contenant les
capteurs dans des situations relles de pollution. Comme les campagnes de mesure terrain
ont t programmes en collaboration avec les associations de surveillance de la qualit de
lair, nous savions demble que nous pourrions placer nos rseaux de capteurs lintrieur
des stations de surveillance de la pollution atmosphrique, ce qui nous a permis de nous
affranchir de linfluence des effets de la variation de la temprature extrieure. En effet,
lintrieur de ces stations, la temprature est rgule 23C, et nous supposerons que lair
circulant au niveau des capteurs sera sensiblement cette temprature. Une bouteille dair
zro Air Liquide sera utilise sur place pour lopration de correction priodique de drive
des capteurs qui sera dtaille dans la partie 5 de ce chapitre. La figure 2-8 prsente le schma
de ce banc de test.
Par ailleurs, un systme lectronique a t dvelopp afin de raliser lacquisition des
rponses des capteurs dune cellule de manire autonome et de les enregistrer sur une carte
mmoire de type SD. Les cartes SD utilises ont une capacit mmoire de 2 GO chacune ce
qui, mme avec une frquence de mesure de lordre de la minute, permet davoir une
autonomie de quelques annes. Ce systme fournit galement une alimentation stabilise aux
capteurs. Trois cartes ont t utilises pour les trois cellules multi-capteurs. Ce systme est
montr dans lannexe A page 193.

86

Chapitre II
Pompe ( ~dbit 150 L/h)
Air extrieur

Cellules
de mesure

RDM

Test de calibrage
Sortie
dxcs

Station de mesure
climatise (T cte)

Figure 2-8 : Schma du systme de mesure l'intrieur d'une station de surveillance de la qualit d'air

4. Rponses des capteurs

Afin de vrifier le bon comportement des capteurs dans des situations relles, nous avons
conduit un certain nombre de tests sous diffrentes conditions pour valuer leur
comportement.

4.1.

Mesure de la conductance des capteurs

La conductance dun capteur peut scrire :

G=G0+g(C), o G0 est la conductance avec latmosphre de rfrence, sans polluants.
G0 est appel ligne de base .
Afin de nous affranchir des carts de ligne de base entre les diffrents capteurs, nous
avons choisi comme variable mesure une grandeur sans dimension appele rponse relative
en conductance :

87

Chapitre II
Avec :

Xi : la rponse relative en conductance du capteur numro i.

Gi : la conductance du capteur i en prsence de pollution.

Gi0 : la conductance en atmosphre de rfrence du capteur i.

Cette quation est utilisable dans le cas o la conductance augmente en prsence de

gaz, ce qui est gnralement le cas, notamment avec les gaz rducteurs. Dans le cas o la
conductivit G diminue, sous certains gaz oxydants, lutilisation de la mme formule ne sera
pas judicieuse car :

La variation des valeurs de Xi devient trop petite et difficilement utilisable. Il est alors
prfrable dans ce cas dutiliser la rponse relative en rsistance la place de la conductance :

Avec :

Ri : la rsistance du capteur i sous atmosphre pollue. Ri= 1/Gi.

Ri0 : la rsistance de rfrence du capteur numro i, sous air de rfrence. Ri0 = 1/Gi0.
Donc de faon gnrale, lors de la modlisation, la rponse relative en conductance

sera utilise pour les capteurs spcifiques aux gaz rducteurs qui sont: TGS2611, TGS2600,
TGS2620, TGS2602, Mics5914, Mics5521 et Mics5525. Et la rponse relative en rsistance
sera utilise pour les capteurs spcifiques aux oxydants qui sont : Mics2611 et Mics2710.
Pour une meilleure surveillance de lvolution de la ligne de base de la rponse de ces
capteurs en fonction du temps, la conductance de rfrence (G0) correspondra toujours la
rponse des capteurs sous un air de rfrence. Nous avons ainsi dcid dutiliser comme air de
88

Chapitre II
rfrence lair zro (air pur) avec une humidit relative de 50% 25C, soit avec 10 g/m3 de
vapeur deau. Ce G0 sera ainsi calcul aprs exposition des capteurs ces conditions de
rfrence pendant une heure afin d'avoir un tat stationnaire. Durant cette tude nous avons
remarqu que chaque capteur possde une conductance spcifique sous air zro (G0) et que les
temps de retour des capteurs leurs lignes de bases sont diffrents. La mesure de lvolution
de G0 sera dveloppe dans la partie 5.

4.2.

Effet de la temprature et de lhumidit sur les capteurs

Les tensions de chauffage des capteurs de gaz semi-conducteurs commerciaux sont

optimises et prcises par leurs constructeurs. Le choix de ces tensions permet de porter la
couche sensible du capteur une temprature optimale, cette temprature est de l'ordre de
quelques centaines de C, mais nest pas rgule. On peut donc supposer quun changement
de cette temperature conduira un changement du comportement du capteur. Il est connu que
la pression partielle de vapeur deau a aussi un effet sur les capteurs, gnralement dans le
sens dune variation positive de Xi (le mme sens quun gaz rducteur) (Jaffrezic-Renault, et
al., 1994).
Ces deux paramtres, la temprature et lhumidit de lair, peuvent donc avoir des
influences indsirables sur les signaux des capeurs. Cest pour cette raison que les
constructeurs fournissent des graphiques qui montrent linfluence de lhumidit et de la
temprature du gaz sur leurs capteurs. Prenons lexemple du TGS2600, la figure 2-9 prsente
la courbe dvolution du rapport R/R0, ou R0 est la rsistance dans de lair 20C et avec 65%
dhumidit relative, du capteur en fonction de la temprature pour trois valeurs dhumidit
relative (35%, 65% et 95%).

89

Chapitre II

Figure 2-9 : Effet de lhumidit relative et de la temprature sur le signal du capteur TGS2600, donnes constructeur.

Pour ce capteur, la rsistance de la partie sensible diminue avec laugmentation de

lhumidit relative et aussi avec laugmentation de la temprature ambiante. En rcuprant les
donnes constructeurs de la figure 2-9, nous pouvons calculer la rponse des capteurs
lhumidit absolue pour diffrentes tempratures dair (figure 2-10).
On observe alors que les 4 courbes de rponses des capteurs lhumidit absolue pour
diffrentes tempratures sont superposes, ce qui montre que ces capteurs sont sensibles
lhumidit absolue mais pas (ou peu) la temprature ambiante, et que le paramtre
humidit pertinent est lhumidit absolue, et non lhumidit relative.

90

Chapitre II
2
1,8
1,6
1,4
R/R0

1,2

T=10C

T=20C

0,8

T=30C

0,6

T=40C

0,4
0,2
0
0

0,01

0,02

0,03

0,04

0,05

0,06

0,07

HA, bar

Figure 2-10 : Effet de l'humidit absolue sur le capteur TGS2600 diffrentes tempratures calcules partir des
donnes du constructeur.

4.2.1. Effet de la temprature sur les capteurs

Afin de vrifier cette influence de lhumidit absolue du gaz sur les capteurs, nous
avons effectu une mesure de la variation de la conductance des capteurs en faisant varier la
temprature ambiante entre 0 et 40C dans une enceinte climatique, du laboratoire de Chimie
et Environnement lEcole des Mines de Douai, en fixant une humidit relative constante et
gale 55%. La figure 2-11 montre la variation de la rsistance relative (RS/R0) de la couche
sensible de ces capteurs en fonction de la temprature, o R0 est la rsistance mesure pour
T=25C.
La rsistance relative Rr des capteurs varie dune faon diffrente dun capteur un
autre en dcroissant avec la temprature. Or, comme nous avons dj montr que la
temprature a un faible effet sur les capteurs, ces variations sont probablement dues la
variation de lhumidit absolue dans lenvironnement des capteurs.

91

Chapitre II
3
2,5

R/R0

TGS 2602
TGS 2611

1,5

Mics 5525
Mics 2611

Mics 5521
0,5

Mics 2710

0
0

10

20

30

40

50

T (C)

Figure 2-11 : Variation relative de la rsistance des capteurs pour une variation de la temprature (base 1 23C).

4.2.2. Influence de lhumidit absolue sur la rponse des capteurs

En effectuant le calcul permettant dobtenir lhumidit absolue partir de lquation
de Rankine (3), nous pouvons en dduire lvolution de la rsistance relative des capteurs en
fonction de lhumidit absolue, mais temprature de gaz non constante, comme illustr sur
la figure 2-12.

0.5

1.5

2.5

Figure 2-12 : Evolution des rsistances relatives des capteurs en fonction de lhumidit absolue. La variation de la
temprature ambiante est montre dans la courbe pointille.

92

Chapitre II
Cette variation de Rr montr est suppose due la variation de lhumidit absolue si
nous considrons que la temprature de gaz a un effet ngligeable sur les rponses des
capteurs. Lenceinte de mesure utilise ici nous permet hlas de ne modifier que la
temprature humidit relative constante et donc pas lhumidit absolue. Il est donc
impossible ici de sparer les 2 effets temprature du gaz et vapeur deau .
Ce test a donc t rpt dans le banc de test de lcole des mines de Saint Etienne.
Dans ce banc nous pouvons contrler la concentration en humidit absolue dans nos cellules
et donc tudier la variation de la rsistance relative des capteurs par rapport lhumidit
absolue, mais ici, cest la temprature du gaz qui est non contrle et donc la temprature
ambiante, soit environ 25 C. La figure 2-13 prsente la variation de la rsistance relative des
capteurs par rapport la variation de lhumidit absolue.

3.5

R/R0

3
2.5

TGS 2602

TGS 2611

1.5

Mics 5525

Mics 2611

0.5

Mics 5521
Mics 2710

0
0

0.5

1.5

humidit absolue

2.5

(g/m3 )

Figure 2-13 : Variation de la rsistance (base 1 pour 8 g/m3) de l'humidit absolue pout Tgaz = 25 C.

Les deux figures 2-12 et 2-13 montrent la mme forme dvolution des rsistances des
capteurs avec des amplitudes semblables, sauf pour le TGS 2602 pour des causes inconnues.
La diffrence entre les deux figures montre que si un effet temprature du gaz existe, il est
non dterminant pour des variations peu importantes autour de la temprature ambiante.
Dailleurs A. Valleron a vrifi une absence deffet de la temprature des gaz entre 20 et
93

Chapitre II
200C sur des capteurs au dioxyde dtain, la temprature de chauffage rgule (Valleron,
2011).
Linfluence de la temprature nayant pas pu tre dtermine avec prcision, nous
avons dcid de poursuivre nos expriences dans des situations o la temprature ambiante
reste constante ou subit peu de variation pour saffranchir de son effet, mme si cette
temprature est systmatiquement mesure et pourrait donc tre intgre dans les modles.
Par contre nous ne pouvons pas garder constante lhumidit absolue de lair qui peut varier de
faon importante suivant les conditions mtorologiques.
La figure 2-14 prsente la variation de la rponse relative (Xi) du capteur TGS2602
des concentrations dthanol mesures diffrentes valeurs dhumidit absolue sous une
temprature constante (25 C). Nous remarquons comme prvu un dcalage ainsi qu'une
lgre variation de sensibilit. Rappelons que la conductivit de rfrence, G0, correspond
25C et 50% dhumidit relative soit environ 1g/m3 en absolue.

5.00

TGS 2602

4.00
HA=0.5

2.00

HA=1.5

Xi

3.00

HA=2.0
1.00

HA=2.5

0.00

0.00

1.00

2.00

3.00

4.00

Concentration en thanol (ppm)

Figure 2-14 : Rponses du capteur TGS2602 pour une concentration croissante en thanol mesur des humidits
absolues (g/m3) diffrentes.

94

Chapitre II
La variation de lhumidit absolue a non seulement un effet sur la variation de G0 du
capteur, mais elle a aussi une influence sur la sensibilit du capteur pour un polluant donn
(pente). Il est donc indispensable de mesurer lhumidit de lair en continu et de lincorporer
dans les modles dvelopper, ce qui a t fait par la suite en considrant lhumidit comme
une donne dentre dans les rseaux de neurones (voir chapitre 3 partie 4.3.).

4.3.

Rponse des capteurs de gaz signature des gaz

Aprs avoir vrifi la prsence dun effet de lhumidit absolue de lair sur la rponse
des capteurs, nous avons poursuivi les tests des capteurs avec des polluants gazeux prsents
habituellement dans lair ambiant.
4.3.1. Cas des gaz rducteurs
La rponse des capteurs vis--vis des gaz rducteurs gnrs par le banc de test de
validation (thanol, tolune, CH4, CO, NH3 H2S) a t tudie. Lorsquon injecte un gaz
rducteur seul vers un capteur de gaz semi-conducteur, on obtient une variation de
conductance positive qui se traduit par une variation positive de la conductance relative (Xi).
Prenons lexemple de linjection de lthanol qui est un gaz rducteur. Une injection dune
concentration croissante produit une rponse croissante monotone sur les capteurs (et ici
presque linaire, mais ce n'est pas le cas avec tous les couples gaz-capteur). La figure 2-15
illustre cette rponse sur 5 capteurs censs dtecter les COVs et les odeurs : TGS2600,
TGS2602, TGS2611, TGS2620, MICS5521.

95

Chapitre II

4.00

3.00
Xi

TGS2600
TGS2602

2.00

TGS 2611

1.00

TGs 2620
Mics 5521

0.00
0.00

1.00

2.00

3.00

4.00

Concentration en thanol (ppm)

Figure 2-15 : Rponse relative en conduction des capteurs l'thanol

Par ailleurs, chacun de ces capteurs possde une sensibilit diffrente, ce qui signifie
quils possdent une rponse spcifique un gaz donn. Les capteurs vont donc prsenter une
"signature" spcifique pour un groupe de gaz donns. La varit et la non colinarit de ces
signatures sont des conditions indispensables pour la dtection slective l'aide d'un rseau de
capteurs. La figure 2-16 illustre la rponse relative du rseau de capteurs pour trois gaz
rducteurs (tolune, thanol, ammoniac) pour des concentrations spcifiques. Rappelons que
la non rponse se traduit par une rponse relative nulle.
Les signatures sont bien spcifiques de chaque gaz. Ainsi, le tolune est dtect
uniquement par le capteur TGS 2602, et la diffrence entre la forme de la signature lthanol
et celle du NH3 nest pas seulement due aux diffrences de concentrations de ces gaz, mais
bien aux carts de sensibilit de chaque capteur.

96

Chapitre II
TGS2600
1,5

MICS5914

MICS5914

MICS5525

TGS2600
1,5

0,5

0,5

-0,5

-1

-0,5

TGS2602
TGS2602

Xi
TGS2611
Tolune 300ppb

MICS5525

TGS2611

-1

NH3 600ppb
Tolune 300ppb
Ethanol 500ppb
NH3 600ppb
Ethanol 500ppb

MICS5521

TGS2620

MICS5521

TGS2620

MICS2710
MICS2710

MICS2611
MICS2611

Figure 2-16 : rponse relative des capteurs (Xi) pour des gaz rducteurs.

4.3.2. Cas des gaz oxydants

Les gaz oxydants les plus rencontrs dans une pollution atmosphrique sont le NO2 et
lO3. La figure 2-17 montre que seuls 2 capteurs rpondent ces gaz : le Mics2710 et le
Mics2611.
Comme prvu, ces capteurs rpondent ngativement en raison des proprits
oxydantes de ces gaz. Nous remarquons que le capteur Mics2710 initialement prvu pour
dtecter uniquement le NO2 prsente une rponse de -1 sous une faible concentration dO3, ce
qui signifie un tat de trs grande rsistance du capteur. Comme indiqu dans la partie 1.2,
lutilisation de la rponse relative en conductance nest pas approprie pour ce type de
capteur (saturation de la variable Xi -1), nous la gardons ici dans un but de comparaison.
Dans les futures utilisations sur terrain, les rponses du Mics2710 et du Mics2611 seront donc
prsentes en variation relative de rsistance pour mieux suivre les variations de la prsence
de NO2 et O3 dans latmosphre, afin dviter ce problme de saturation du signal -1.
97

Chapitre II

TGS2600
1,5

MICS5914

TGS2600
1,5

MICS5914 0,5

0,5

-0,5

-1

-0,5

MICS5525

MICS5525

TGS2602

TGS2602

Xi

TGS2611

NO2 85ppb

TGS2611

O3 55ppb

NO2 85ppb

-1

O3 55ppb
MICS5521

TGS2620

MICS5521

TGS2620

MICS2710

MICS2611

MICS2710

MICS2611

Figure 2-17 : Rponse relative (Xi) des capteurs pour des gaz oxydant (O3 et NO2).

4.3.3. Signature des diffrents gaz sur les diffrents capteurs

Au total, les capteurs ont t tests avec 7 polluants gazeux diffrents. Les Xi obtenues
sont donnes en figure 2-18 ; les signatures observes pour chaque gaz diffrent bien les unes
des autres sur lensemble des capteurs. Les signatures observes pour les diffrentes
concentrations dun mme gaz diffrent aussi les unes des autres comme montr dans la
figure 2-19 en gardant toujours des formes semblables.
Nous remarquons sur ces figures que les capteurs ont des sensibilits encore
importantes pour des concentrations sensiblement en de de celles prconises par les
constructeurs, ce qui nous permet davoir de bon espoir pour la pollution atmosphrique.

98

Chapitre II
TGS2600
1,5

MICS5914
MICS5914

MICS5525
MICS5525

TGS2600
1,5

TGS2602

0,5

0,5

-0,5

-0,5

-1

TGS2602

TGS2611

NO2 85ppb
Tolune 300ppb
CO 15ppm
NO2 85ppb
O3 55ppb
CO 15ppm
NH3 600ppb
O3 55ppb
Ethanol 500ppb
NH3 600ppb

TGS2611

MICS5521

Tolune 300ppb
CH4 8ppm

-1

TGS2620

MICS5521

CH4 8ppm

Xi

Ethanol 500ppb

TGS2620

MICS2710

MICS2611

Figure 2-18 : Rponse relative

(Xi) des capteurs pour des diffrents gaz.
MICS2710
MICS2611
TGS2600
4

MICS5914

TGS2602

3
2

Xi

1
0

MICS5525

TGS2611

Ethanol 500 ppb

Ethanol 900 ppb

-1

Ethanol 1.9 ppm

Ethanol 3.5 ppm

MICS5521

TGS2620

MICS2710

MICS2611

Figure 2-19 : Rponse relative (Xi) des capteurs pour des diffrentes concentrations dthanol.

Il est donc peut-tre possible partir de ces signatures, dtablir un modle capable de
prdire les concentrations avec les gaz tests : cest lapproche quantitative. Cette approche
est limite par le nombre de gaz dtecter et le nombre de capteurs dans un rseau. Un grand
99

Chapitre II
nombre de gaz dtecter ncessite un grand nombre de capteurs et un modle de plus en plus
complexe. Cest pourquoi nous avons dcid dadopter une approche plus qualitative dans nos
futures tudes.

5. Gestion des carts de sensibilit et de la drive de la ligne de base des

capteurs
Pour le bon fonctionnement de ces capteurs, les constructeurs spcifient une priode
de maturation . En gnral, cette priode est de 48h. Cest une priode durant laquelle le
capteur neuf doit tre aliment en courant lectrique de sorte atteindre sa sensibilit
optimale d'une part et une certaine stabilit temporelle d'autre part. Aprs maturation, chaque
nouvelle utilisation des capteur ncessite encore une periode de stabilisation aprs mise sous
tension pour quils atteignent leurs sensibilit optimale et aboutissent leur tat stationnaire
dcrit par la ligne de base G0, mesure sous air de rfrence. Pour rappel, lair de rfrence est
issu dune bouteille dair zro (air pur) avec une humidit relative de 50% 25C. La figure
2-20 montre le temps ncessaire pour que les capteurs atteignent leur ligne de base.

Conductance des capteurs (S)

1.00E-04

GMICS5914
GMICS2611
GMICS5525

GMICS5521

1.00E-05

GTGS2620
GTGS2600
GMICS2710
GTGS2611
GTGS2602

1.00E-06
0

10

20

30

40

50

60

70

Temps coul (min)

Figure 2-20 : Stabilisation des rponses des capteurs matures au cours de la priode de prchauffage.

100

Chapitre II
Nous remarquons que ce temps nest pas le mme pour tous les capteurs, il peut varier de
quelque minutes jusqu quelques dizaines des minutes selon la nature des capteurs. Nous
constatons quau del dune periode de 30 min, tous les capteurs aboutissent un tat
considr comme stationnaire. Nous avons donc dcid de dbuter nos expriences par une
priode dune heure de rcouvrement sous air zro humide (25 C ; 50% HR). que tous les
capteurs atteignent correctement leurs lignes de base.

5.1.

Evolution long terme des lignes de base

Durant la priode de dveloppement et dtalonnage de notre cellule prototype (cellule

N 1), nous avons tudi la drive long terme des lignes de base des capteurs sous
atmosphre contrl (25 C ; 50% HR), en mesurant chaque mois cette conductance de
rfrence pour chaque capteur air de rfrence. Durant une priode de 7 mois (Fvrier 2010
Aout 2010) nous avons remarqu une volution non ngligeable des conductances de
rfrence (G0) des capteurs. La figure 2-21 illustre lvolution du Xi subit entre le mois de
fvrier et aot 2010 sur la cellule prototype.

Figure 2-21 : Evolution de la ligne de base des capteurs durant 7 mois d'utilisations.

101

Chapitre II

5.2.

Test de calibrage de G0

Cette drive non ngligeable pourra entraner des problmes de validit temporelle des
modles raliss. Ainsi, une mesure priodique de cette volution est ncessaire afin d'assurer
le suivi de la ligne de base des trois cellules de mesures et permettre de corriger son
ventuelle drive. Il est impratif que ce test soit toujours rpt sous les mmes conditions de
rfrence (25 C ; 50% HR). Sur le terrain , ce test a t pratiqu avec une frquence
hebdomadaire laide dune bouteille dair zro comme montr dans la figure 2-22. Le dbit
dair zro provenant de cette bouteille est contrl laide de deux RDM pour assurer un
dbit dair humide 50% HR en envoyant un dbit dair sec de 75 L/h mlang avec un dbit
dair humide de 75L/h.
Pompe ( ~dbit 150 L/h)
Air extrieur

Cellules
de mesure

RDM
Air
zro

Switch

Station de mesure
climatise (T cte)

Bulleur

Gnrateur dair de rfrence

Figure 2-22 : Implmentation dun test de suivi de ligne de base via le banc de test terrain .

Les drives enregistres diffrent selon les capteurs, mme des capteurs appartenant au
mme type peuvent prsenter des drives diffrentes ce qui est illustr sur la figure 2-23 avec

102

Chapitre II
lvolution de la ligne de base de capteurs Mics5525 issues des 3 cellules de mesure pendant

Xi

une priode de 6 mois.

0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
-0,7
-0,8
-0,9
juil./11

Mics5525
CELL1
CELL2
CELL3

sept./11

nov./11

janv./12

mars/12

mai/12

Figure 2-23 : Variation de la conductance relative des capteurs Mics5525 pendant une priode de 6 mois (Juillet au
mars) pour les trois cellules.

Cette figure montre une volution dcroissante quasi-similaire des conductances de

rfrence des capteurs Mics5525. Lamplitude de la variation varie dun capteur un autre, la
variable montre est la rponse relative en conductance Xi (voir 4) calcule par rapport un
point fixe (premier G0). Nous remarquons que ces capteurs ont subi une variation dcroissante
pendant les premiers mois (aot novembre), et aprs cette priode leurs lignes de rfrences
se stabilisent. Ceci nest pas le cas pour lensemble des capteurs, comme par exemple pour le
TGS2602 illustr dans la figure 2-24.
Ces capteurs prsentent des volutions diffrentes des G0 avec des variations brusques
dans des sens positifs ou ngatifs. Cette volution non reproductible dun capteur un autre (y
compris entre les capteurs de mme type) a t remarque sur presque la totalit de nos
capteurs issus des diffrentes cellules (sauf pour le cas des Mics5525).

103

Chapitre II

Figure 2-24 : Evolution des lignes de base pour le capteur TGS2602

Ces variations non prvisibles montrent la difficult de modliser mathmatiquement

les drives des capteurs en fonction du temps. Toutefois, certaines variations brusques
observes sur ces lignes de base et communes aux trois capteurs la fois (fig. 2-23 et 2-24)
ont probablement une cause extrinsque aux capteurs (problme dinstabilit accidentelle
dans la gnration du gaz de rfrence).
Afin de limiter leffet de ces variations intempestives, nous avons dcid de lisser les valeurs
de G0 en calculant la moyenne sur deux points. Cette mthode a abouti des volutions des
lignes de base monotones et donc plus ralistes. La figure 2-25 donne les volutions des G0
lisses pour la cellule n 3.

104

Chapitre II
0,0001

Cellule 3

Conductance (G0)

0,00009

MICS5914

0,00008

MICS2611

0,00007

MICS5525

0,00006

MICS5521

0,00005

TGS2620

0,00004

TGS2600

0,00003

MICS2710

0,00002

TGS2611

0,00001

TGS2602

0
juil.-11

sept.-11

nov.-11

dc.-11

fvr.-12

Date
Figure 2-25 : volution des conductances relatives lisses.

5.3.

Implmentation dune standardisation de sensibilit

Un des problmes des capteurs de gaz semi-conducteurs est la non rptabilit de

leurs rponses entre individus dun mme type. Nous avons vu dans le paragraphe prcdent
quil tait possible de faire abstraction de la ligne de base, il reste traiter les diffrences de
sensibilit. Linjection simultane de gaz dans les 3 cellules, permet de comparer ces carts de
sensibilit. Ceci est illustr dans la figure 2- 26 avec les rponses relatives en conductance Xi
des 3 capteurs de type TGS2600 provenant de 3 cellules diffrentes sous des concentrations
croissantes en mthane.
Ces capteurs de mme type montrent une volution monotone avec la croissance de la
concentration en mthane. Par contre la pente de cette volution varie dune cellule lautre.
Il sagit du problme de non rptabilit des sensibilits. Un tel problme risque dinduire des
signatures diffrentes sur chacune de nos cellules pourtant exposes un mme gaz. Afin de
pallier ce problme, nous proposons une dmarche de standardisation des diffrentes
sensibilits des capteurs.

105

Chapitre II
0.4

TGS2600

0.35
0.3

Xi

0.25
0.2

CELL1
CELL2

0.15

CELL3

0.1

0.05
0

10

15

20

Concentration en CH4(ppm)
Figure 2-26 : Problme de rptabilit entre capteurs de mme type, diffrentes sensibilits sous une concentration
croissante en mthane.

Le but de cette dmarche est dhomogniser le mieux possible les rponses entre les
cellules en normalisant les sensibilits des capteurs de mmes types. Dans cette dmarche la
variation de la conductance relative dun capteur (Xi) (ou la variation de la rsistance relative
si il sagit dun capteur pour gaz oxydants) doit tre standardise en fonction dun gaz
spcifique pour chaque type de capteur tudi. Xi sera divise par la rponse relative du
capteur i calcule sous une concentration choisie de son gaz de standardisation choisi
(

).
)
Quatre gaz ont t choisis pour cette dmarche de standardisation, ils sont censs

reprsenter les familles de polluants prsents en pollution atmosphrique (CO, CH4, NO2 et
NH3). Ils seront aussi reprsentatifs des types de capteurs : CO pour les capteurs de CO, CH4
pour les capteurs de CH4, NO2 pour les capteurs des gaz oxydants, et NH3 pour les capteurs
des odeurs et des COV (tenant compte des proprits rductrices de ces gaz). Nous montrons

106

Chapitre II
dans le tableau 2-4 suivant les diffrents types de capteurs utiliss dans les cellules que nous
avons dvelopp avec leurs gaz de standardisation choisis et leurs concentrations associes.
Tableau 2-4: Les diffrents capteurs de gaz utiliss avec leurs gaz cibles et leurs gaz de standardisations accordes

Capteurs
MICS5525
MICS5521
MICS2710
MICS2611
TGS2600
TGS2602
TGS2620
MICS5914
TGS2611

Gaz cibles dfinis par le constructeur

CO
CO, COV, Hydrocarbures
NO2
O3
Contaminants gnrals de lair
COV, Odeurs, H2S.
Alcools et vapeurs solvants
NH3
Gaz combustibles (Mthane,
Butane)

Gaz de standardisations et leurs

concentrations choisies
CO
CO
NO2
NO2
NH3
NH3
NH3
NH3
CH4

20 ppm
20 ppm
0,4 ppm
0,4 ppm
4 ppm
4 ppm
4 ppm
4 ppm
20 ppm

Ce test est effectu dans des conditions de rfrence de temprature et dhumidit (25
C, 50% HR) pour assurer lhomognit de diffrentes standardisations. Il est galement
utilis comme un outil de diagnostic pour vrifier tout mauvais comportement de l'un des
capteurs comme par exemple une perte de sensibilit un gaz cible. Il offre par ailleurs la
possibilit de changer un capteur dfaillant sans remettre en cause le modle de prdiction.

5.4.

Effet de la standardisation sur les sensibilits mesures

Leffet de cette standardisation sur nos capteurs est prsent sur la figure 2-27. Aprs
standardisation, on note des similitudes entre les rponses.
Dans la figure 2-27, le graphe A reprsente les variations des conductances relatives des
capteurs des 3 cellules sous leurs gaz cibles avant standardisation, et le graphe B montre
ces variations aprs standardisation. Nous remarquons dans le graphe A des carts importants
entre les rponses des capteurs sous les diffrents gaz. La standardisation normalise ces
rponses de sorte quelles soient ramenes 1 sous leur gaz cible.

107

Chapitre II

Cellule1

Cellule2

Cellule3

5
4

2
1
0

MICS5914

MICS2611

MICS5525

MICS5521

Cellule1

TGS2620

Cellule2

TGS2600

MICS2710

TGS2611

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

-1

TGS2602

Cellule3

2
1.5

1
0.5
0

-0.5

MICS5914

MICS2611

MICS5525

MICS5521

TGS2620

TGS2600

MICS2710

TGS2611

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

NH3

CO

CH4

NO2

-1

TGS2602

Figure 2-27 : Graphe A reprsente les variations des conductances relatives des capteurs calcules sous les gaz de standardisation, graphe B reprsente les rponses standardises des
capteurs calcules selon lquation n11 (test effectu en juillet 2011).

108

Chapitre II

Mme aprs la standardisation, nous notons toutefois une diffrence entre les rponses des
capteurs pour leurs gaz non cibles, ce qui constitue la faiblesse de la mthode, car il ny a bien
sr quun gaz de standardisation par type de capteur. Par contre cette mthode a diminu
considrablement lamplitude de ces variations. Ce test sera effectu trimestriellement pour
vrifier lexistence ventuelle dune drive de sensibilit et de la corriger, ou de changer le
capteur.

5.5.

Drive temporelle des sensibilits

Les capteurs semi-conducteurs subissent au-del de la non rptabilit de leurs

rponses, une drive de sensibilit. Cette drive a t dtecte en effectuant le test de
standardisation sur des priodes de temps longues. La figure 2-28 montre la variation
temporelle de la sensibilit des capteurs de type TGS 2620 issues des diffrentes cellules sous
leurs gaz cible de standardisation mesure en juillet 2011, octobre 2011 et janvier 2012. Une
dcroissance importante de cette sensibilit est observe, notamment pour le mthane.

TGS 2620
NO2(400PPB)

CH4(20PPM)

CO(20PPM)

NH3(4PPM)

7,00
6,00

Xi

5,00
4,00
3,00
2,00
1,00
0,00
Cel1

Cel2
juil-11

Cel3

Cel1

Cel2
oct-11

Cel3

Cel1

Cel2

Cel3

janv-12

Figure 2-28 : volution temporelle de la rponse non standardise (Xi) du TGS2620.

109

Chapitre II
La variation de la sensibilit nest pas spcifique un type de capteur, en effet nous
observons que pour des capteurs de mme type (TGS 2620, fig 2-28) cette variation de
sensibilit varie dun capteur lautre et dun gaz lautre. En effectuant la standardisation
des rponses (pour le TGS 2620, le gaz de standardisation est le NH3), cette variation de
sensibilit, limine pour NH3, pourra tre rduite dans certaines limites pour les autres gaz
(figure 2-29). Par contre le test de standardisation ne peut pas compenser la perte de
sensibilit au mthane.

TGS 2620

Si

NO2(400PPB)

CH4(20PPM)

CO(20PPM)

NH3(4PPM)

1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
Cel1

Cel2

Cel3

juil-11

Cel1

Cel2
oct-11

Cel3

Cel1

Cel2

Cel3

janv-12

Figure 2-29 : Standardisation des rponses du capteur TGS 2620.

Les rponses du capteur TGS 2620 sont standardises par rapport sa rponse au NH3.
Aprs standardisation, les valeurs des rponses de ce type de capteur au NH3 sont donc
ramenes 1. Les variations de sensibilit sont ainsi attnues pour le CO, mais non
corrigeables pour le mthane. Il sagit toutefois dun progrs important et intressant si nous
envisageons de dvelopper des modles robustes aux variations temporelles de sensibilit.

6. Conclusion du chapitre
Nous avons prsent dans ce chapitre les principaux lments du systme multi-capteurs
conu. Le banc de test laboratoire labor permet de caractriser paralllement 3 cellules
110

Chapitre II
de mesures, chacune contenant 9 capteurs de gaz fonctionnant en mode isotherme, laide de
mlanges synthtiques. Pour lapplication terrain , un banc spcifique a galement t
dvelopp, tenant compte des contraintes techniques (ligne de prlvement extrieure par
pompage, autonomie de fonctionnement et stockage long terme des donnes).
Afin de coller au plus prs aux conditions relles de pollution atmosphrique, 7 diffrents
gaz pour les tests en laboratoire ont t choisis dont deux dentre eux sont des gaz oxydants,
qui seront manipuls avec des basses concentrations en harmonie avec les niveaux de
concentration rencontrs en air extrieur.
La dernire partie de ce chapitre a t consacre la mise en uvre dun mode opratoire
pour le suivi des lignes de base et la caractrisation des performances des 9 capteurs
spcifiquement choisis lors de la conception des cellules de mesure. Bien que ces capteurs
prsentent des avantages nombreux, nous avons vu que leur slectivit et leur sensibilit
prsentent des points faibles au niveau de la drive et de non rptabilit des sensibilits qui
ncessitent des corrections. Lintroduction dun test trimestriel du suivi de la ligne de base et
dune mthode de standardisation des sensibilits contribue fortement attnuer ces dfauts.
La reproductibilit inter-cellules est galement amliore par lensemble des outils ainsi mis
en place.
Les 3 cellules ont t conues de sorte pouvoir intgrer linfluence de la temprature et
de lhumidit dans des modles, mme si, dans ce travail de thse, leur impact sera
ngligeable puisque les

manipulations

seffectuent toujours dans

des

conditions

environnementales contrles, que ce soit en laboratoire ou sur le terrain.

La capacit des 3 cellules dterminer des signatures spcifiques dun gaz pur, en tenant
compte du niveau de concentration, y compris faibles teneurs, a pu tre tablie. Cette

111

Chapitre II
proprit est de bon augure pour la reconnaissance de mlanges complexes stables en milieu
rel.
Dans la suite de ce manuscrit, nous prsentons les rsultats obtenus avec les 3 diffrentes
cellules ainsi labores, et installes dans diffrentes stations de mesure destines au suivi de
la pollution atmosphrique. Les diffrentes types de pollution sont analyss, des modles de
traitement des donnes de mesure des capteurs sont dvelopps et les rsultats obtenus sont
compars ceux issus des rseaux de surveillance de la qualit de lair.

112

Chapitre III

Chapitre III :
Classification

et

indexation

de

la

pollution de lair avec un rseau de capteurs.

Les diffrents tests prsents dans le chapitre prcdent ont permis de dmontrer
laptitude de notre systme dtecter diffrents polluants gazeux dans lair avec des critres
mtrologiques rpondant aux besoins des applications terrains envisages (mesure des faibles
teneurs). Ces systmes ont t installs dans diffrentes stations de mesure de la qualit de
lair afin dtablir sil tait possible de mettre en vidence une signature dcrivant la pollution
atmosphrique spcifique de la zone concerne et de la priode tudie. Lidentification de
ces signatures doit tre obtenue en corrlant les rponses des capteurs aux mesures des
analyseurs installs dans ces stations.
Dans la premire partie de ce chapitre, sont dcrits les diffrents sites de mesures
tudis. Nous chercherons dans un 1er temps caractriser les diffrents types de pollution
rencontrs sur ces sites, ensuite nous dcrirons lanalyse utilise pour dfinir et visualiser ces
pollutions, et les mthodes utilises pour en extraire des informations pertinentes. Enfin, nous
113

Chapitre III
prsenterons les diffrentes analyses mises en uvre pour obtenir des modles de
comportements capables de prdire des informations sur les pollutions partir des rponses
des capteurs.

1. Tests terrain
Aprs avoir valid notre systme en laboratoire, ltape suivante consiste raliser des
mesures sur des sites pollus. Nous avons dcid dtudier la pollution durant deux saisons
diffrentes, une en t pour pouvoir tre capable de rencontrer des pisodes de la pollution
photochimique et lautre en automne. Pour chaque campagne nous avons choisi dinstaller nos
cellules contenant nos systmes multi-capteurs dans plusieurs stations de mesure
reprsentatives de diffrents types de sites de surveillance de la pollution atmosphrique.
Campagne dt :
Pour cette campagne nous nous sommes installs dans le dpartement de lOise situ en
rgion Picardie. Etant donne sa position au nord de la rgion Ile de France, ce dpartement
est soumis de frquents pisodes de pollution photochimique. Cette campagne, qui a dur 4
semaines du 27 juillet 2011 jusquau 24 aot 2011, a t effectue en collaboration avec
ATMO-Picardie, lassociation de surveillance de la qualit de lair en Picardie. Deux sites ont
t choisis comme sites de mesures : les villes de Creil et de Nogent sur Oise, le premier tant
un site urbain et lautre un site priurbain.
Campagne dautomne :
Pour cette campagne, les rseaux des capteurs ont t installs en rgion du Nord - Pas
de Calais. Les mesures ont t effectues en collaboration avec ATMO-Nd-PdC, lassociation
de surveillance de la qualit de lair dans la rgion Nord Pas de Calais. 5 sites dont 2
urbains, 2 trafics, et 1 priurbain, ont t choisis entre le 3 octobre 2011 et le 14 dcembre
2011. Ils sont situs respectivement Douai, Bthune, Roubaix, Valenciennes, et Saint
Amand les Eaux.
114

Chapitre III
Le tableau 3-1 rcapitule les proprits des diffrentes stations de lensemble des sites
choisis. Par ailleurs, la figure 3-1 prsente la localisation gographique de ces stations de
mesures.
Tableau 3-1 : Caractristiques des stations de mesures choisies pour les campagnes de terrain.

Priode
Et
Automne

Site
Creil
Nogent
Roubaix
Valenciennes
Saint Amand
Douai
Bthune

Type de station
Urbain
Priurbain
Trafic
Trafic
Priurbain
Urbain
Urbain

Polluants mesurs par ATMO

NO-NO2-O3-PM2,5-PM10-CO-SO2
NO-NO2-O3-PM10
NO-NO2-CO-PM10
NO-NO2-PM10
NO-NO2-O3
NO-NO2-O3-PM2,5-PM10
NO-NO2-O3-PM2,5-PM10

Figure 3-1 : Plan dtaillant la position des diffrents sites de mesures.

La dure de chaque campagne de mesure dans chaque station est de 7 jours, afin
denregistrer les diffrents vnements hebdomadaires susceptibles de se produire. Le temps
de rponse des capteurs de gaz choisis est toujours infrieur 90 secondes, cest pourquoi les
points de mesures ont donc t enregistrs toutes les 2 minutes.
115

Chapitre III

2. Caractristiques des pollutions atmosphriques des sites tudis

Pour effectuer une corrlation pertinente entre les rponses des capteurs et les donnes
physico-chimiques des polluants atmosphriques issues des stations de mesures, une tude
approprie des diffrents vnements et caractristiques de la pollution atmosphrique sur les
sites de mesure choisis est devenue indispensable. Dans ce but, nous avons travaill sur un
historique dune anne (2010) de donnes des concentrations des polluants dans latmosphre
issue de chaque station de mesure tudie. Les gaz retenus pour cette tude sont le NO, NO2
et O3, car leurs donnes sont compltes sur toutes les stations, cependant, pour les stations
trafic, la mesure dO3 nest pas pertinente (cf. Chapitre 1 partie 2.3).

2.1.

Analyse des concentrations des polluants par type de station

Lanalyse de cet historique a t oriente pour trouver des formes rptables et des
caractristiques qui peuvent dfinir et distinguer un type de pollution dun autre. Nous avons
tudi les formes journalires, hebdomadaires et saisonnires de ces donnes. Une tude
statistique nous a permis de montrer le caractre rptable des donnes inter-stations. Les
rsultats sont prsents dans le tableau 3-2.
Tableau 3-2 : Etude statistique effectue sur les diffrentes stations de mesure : moyenne, mdiane, maximale et carttype.

NO (g/m3)

Station
Station

Type

Creil

NO2 (g/m3)

O3 (g/m3)

Moy.

Med.

Max

Moy.

Med

Max

Moy.

Med

Max

Urbaine

243

16

24

21

122

17

42

40

235

29

Douai

Urbaine

296

18

25

23

100

15

39

38

182

27

Bthune

Urbaine

191

13

22

18

150

16

44

43

182

27

Nogent

Priurbaine

12

254

21

26

22

139

17

43

40

236

30

Saint Amand

Priurbaine

230

16

14

12

69

10

37

39

124

23

Roubaix

Trafic

32

16

801

46

46

42

301

25

---

---

---

---

Valenciennes

Trafic

20

10

405

29

37

34

152

18

---

---

---

---

Le tableau 3-2 prsente les proprits statistiques des polluants NO, NO2 et O3 durant
une priode dun an. Nous remarquons que les sites urbains et priurbains tudis prsentent
116

Chapitre III
des valeurs statistiques similaires en O3 ce qui est logique compte tenu du caractre rgional
des pisodes de pollution photochimique lorigine des concentrations en O3. Les
concentrations en NO et NO2 observes dans les sites trafics sont plus importantes que celles
des sites urbains et priurbains tudis. Rappelons que lO3 est quasiment absent des sites
trafic et nest dailleurs pas mesur cause des fortes concentrations de NO dans lair qui
vont potentiellement dtruire lO3 prsent. Nous pouvons observer cette similitude de
comportement entre les diffrents types de station via les graphes des moyennes annuelles des
polluants prsents en la figure 3-2. Nous montrons par ailleurs sur la figure 3-3 la corrlation
entre les concentrations de NO et de NO2 dans un site trafic (Roubaix).
NO
Concentration (g/m3)

Concentration (g/m3)

100
80
60
40
20

0
-20

O3

80

Concentration (g/m3)

NO2

80
70
60
50
40
30
20
10
0

70

60
50
40

30
20
10

Bethune

Creil

Douai

Nogent

Saint
Amand

Figure 3-2 : Les moyennes et les carts types annuels des concentrations en NO, NO2 et O3 dans les diffrentes stations
[2010].

Afin de diffrencier les sites et didentifier leurs caractristiques, les figures 3-3 et 3-4
prsentent les corrlations entre les concentrations de NO et NO2 sur diffrents sites dtudes.

117

Chapitre III

Figure 3-3 : Corrlation entre les concentrations de NO et de NO2 dans un site trafic (Roubaix) durant un an,
y et R2 tablies pour NO>20g/m3.

Figure 3-4 : Corrlation entre les concentrations de NO et de NO2 sur un site urbain (Douai) durant un an,
y et R2 tablies pour NO>20g/m3.

Ainsi, pour ce qui concerne les sites trafic, nous pouvons observer quune forte
concentration en NO est toujours accompagne dune haute concentration en NO2, constat
gnralement observ aux heures de pointes de trafic. Ainsi il apparat que lorsque la
concentration en NO dpasse 20 g/m3 la relation entre NO et NO2 prsente une bonne
118

Chapitre III
corrlation (par exemple R2=0.65 pour le site de Roubaix). Par contre cette relation est bien
moins nette sur un site urbain ou priurbain comme montr dans la figure 3-4: la prsence
dune forte concentration en NO2 est indpendante de la prsence de NO dans latmosphre.
Les sources de trafic sont moins importantes dans ces zones, cest pourquoi les concentrations
en NO sont relativement basses durant lanne. Le tableau 3-2 rend bien compte de cet tat de
fait puisque les moyennes de concentration en NO et NO2 dans les sites urbains et priurbains
sont infrieures celles observes sur les sites trafics.
La figure 3-5 montre la relation inversement proportionnelle entre NO et O3 sur le site
urbain de Douai : une forte concentration en O3 est toujours accompagne dune faible
concentration en NO, et inversement.

Concentration en O3 (g/m3)

180
160
140
120
100
80
60
40
20
0
0

50

100

150

200

Concentration en NO

250

300

350

400

(g/m3)

Figure 3-5 : Corrlation entre les concentrations dO3 et de NO sur le site de Douai (Urbain).

Les relations montres dans les figures 3-3, 3-4, et 3-5 sont observes sur toutes les stations.
NO et NO2 sont fortement corrls dans les sites trafics, et O3 et NO sont anti-corrls dans
les sites urbains et priurbains. Les figures prsentant les relations entre les polluants dans les
diffrentes stations de mesures sont prsentes dans lannexe B page 196.

119

Chapitre III

2.2.

Identification de signatures

Nous nous intressons ici aux diffrentes allures de prsence des polluants en fonction
de priodes journalires, hebdomadaires, et saisonnires. La prsence de formes rptables
enrichit nos informations sur les pollutions au sens o elles peuvent tre utilises pour
identifier la principale source de la pollution rencontre sur un site dtude. Ces informations
peuvent galement tre utilises comme variables additionnelles dans les modles de
prdiction qui seront dvelopps par la suite. Afin dtudier linfluence ventuelle de la
saisonnalit sur les allures journalires et hebdomadaires, nous avons spars les donnes en 2
groupes : un groupe estival , constitu des mesures enregistres entre le 1er avril et le 31
octobre, et un groupe hivernal entre le 1er novembre et le 31 mars.
2.2.1. Les formes journalires
En tudiant la forme journalire des donnes issues des analyseurs des stations de
surveillances, nous observons des aspects rptables entre les mesures des polluants
provenant des sites urbain et priurbain dune part et des sites trafic dautre part, deux formes
sont remarquables durant les deux saisons diffrentes.
Prenons comme exemple le site urbain de Creil. La figure 3-6 reprsente la forme journalire
des concentrations de NO, NO2 et O3 rencontres sur ce site durant la priode hivernale. Les
concentrations de NO et NO2 sont maximales vers 8h le matin et vers 19h le soir ce qui
correspond aux horaires des pics de trafic quotidiens. Dautre part, la forme journalire dO3
confirme une anti-corrlation avec celle de NO et NO2.
La concentration en O3 est minimale durant les heures de pointe en trafic correspondant aux
maximums journaliers en NO et NO2, et elle est maximale vers 14h o le minimum de
concentration de NO et NO2 est enregistr. A noter galement que la prsence dO3 est

120

Chapitre III
corrle aux horaires de forts ensoleillements : cette concentration est maximale en pleine
journe et minimale durant la nuit.
60

50

Concentration en g/m 3

Pic trafic
40

30

20

10

0
0

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO2
NO
O3

plage horaire

Figure 3-6 : Forme journalire durant la saison hivernale de la prsence de NO et NO2 dans le site urbain de Creil.

En comparant les allures diurnes des concentrations en polluants en priode hivernale

leurs allures en priode estivale, il est aussi possible didentifier une forte diffrence (voir
figure 3-6 et 3-7). Dans un premier temps, les concentrations en oxydes dazotes (NO et NO2)
sont beaucoup plus fortes en saison hivernale tandis que les concentrations en O3 sont
sensiblement plus fortes en saison estivale. Trois lments pouvant expliquer ces diffrences :
-

Dune part, les phnomnes de dilution sont beaucoup plus importants en priode
estivale (hauteur de la couche de mlange plus importante) et donc si on considre les
sources lorigine des concentrations dintensit comparables cela aura pour
consquence des concentrations ambiantes plus faibles.

121

Chapitre III
-

Dautre part, en priode hivernale, il peut y avoir une augmentation de lintensit des
sources lorigine des concentrations en NO et NO2 comme par exemple les
phnomnes de combustion domestiques lies au chauffage.

De plus, lactivit photochimique est plus intense entranant une production des
polluants secondaires tels que lO3 bien plus importante en particulier en milieu
daprs-midi.

100

Concentration en g/m 3

80

Pic trafic

60

40

20

0
0

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO2
NO
O3

plage horaire

Figure 3-7 : Forme journalire des concentrations de NO, NO2 et O3 de la saison estivale sur le site urbain de Creil.

Dans un site trafic, et comme montr dans la partie 2.3 du chapitre 1, il nest pas utile de
suivre lvolution de lO3 dans latmosphre cause des fortes missions en NO et NO2 issus
essentiellement des chappements des vhicules, ce qui entrane la titration de lO3 par NO et
a pour consquence la production en particulier de NO2 et de COV oxygns (COV-O). Nous
montrons dans la figure 3-8 lvolution de la forme journalire en priode hivernale des
concentrations en NO et NO2 sur le site trafic de Roubaix.

122

Chapitre III
Les pics de trafic observs correspondent aux mmes horaires de pointe rencontrs dans les
sites urbains et priurbains, par contre les niveaux de concentration sont plus importants
140

120

Pic trafic
Concentration e g/m3

100

80

60

40

20

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2

Heure

Figure 3-8 : Evolution journalire des concentrations en NO et NO2 de la saison hivernale sur le site trafic de Roubaix.

La similarit des formes journalires de NO et NO2 dans les sites trafics indique quils
proviennent de la mme source ou au moins du mme type de source. Cette similarit peut
ainsi tre considre comme une caractristique des sources trafic.
Nous pouvons donc corrler la prsence dune forte concentration simultane en NO et
NO2 une source trafic ainsi quune forte concentration dO3 une source photochimique.
Dans les sites urbains et priurbains, labsence dune source trafic importante implique une
concentration faible en NO voire labsence de ce polluant dans certains cas. On se retrouve
alors soit avec une pollution photochimique en cas dexcs dO3 soit avec une forte
concentration en NO2 en cas dabsence dO3. Comme nous avons dfini une pollution
photochimique par la prsence dO3, nous pouvons ainsi dfinir une pollution urbaine comme
la prsence dune forte concentration de NO2 non accompagne par NO. Donc ltude de ces
123

Chapitre III
trois polluants NO, NO2 et O3 va nous permettre de dfinir diffrents types de pollution
atmosphrique. Nous montrons dans lannexe C page 203 les formes journalires observes
les diffrents sites de mesure.
2.2.2. Les formes hebdomadaires :
Afin dtudier leffet du jour de la semaine sur la pollution, nous avons nouveau
spar les donnes entre la saison hivernale et la saison estivale. En tudiant lvolution des
concentrations de NO, NO2 et O3, nous avons identifi un lien entre les moyennes journalires
des polluants et le jour de la semaine. Durant un jour ouvr (jour non fri et hors week-end),
la concentration en NO et NO2 est plus leve que lors des jours non ouvrs. Ce phnomne
est invers pour lO3. Durant les jours caractriss par une circulation trafic rduite, comme
les jours non ouvrs et les week-ends, les missions de NO, CO, et COV provenant des
sources de circulations trafic diminuent, en revanche lO3 augmente. Pour cela, nous
remarquons que les concentrations en O3 sont plus leves durant les jours non ouvrs que les
jours ouvrs, en raison de la baisse de la circulation automobile et dautres activits
anthropiques. La figure 3-9 illustre le cas de la station urbaine de Creil, les volutions des
moyennes journalires des concentrations de NO, NO2 et O3 en saison hivernale y sont
reportes.
Durant une priode estivale, nous observons que cette diffrence entre les jours ouvrs et les
jours non ouvrs est rduite. Les concentrations des oxydes dazotes (NO et NO2) en priode
estivale sont moins fortes quen priode hivernale, contrairement aux concentrations dO3 qui
sont plus fortes en priode estivale. La figure 3-10 montre lvolution des concentrations des
polluants sur le site urbain de Creil durant la priode estivale durant lanne 2010.

124

Chapitre III
45

40

Concentration en g/m

35

30

25

20

15

10

Jours non
ouvrs

Jours ouvrs
0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

NO
NO2
O3

Jour

Figure 3-9 : Trac des moyennes d'O3, NO et NO2 hebdomadaire en priode hivernale sur le site de Creil.

70

Jours non
ouvrs

Jours ouvrs
60

Concentration en g/m3

50

40

30

20

10

NO
NO2
O3

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

Figure 3-10 : Trac des moyennes d'O3, NO et NO2 par jour en priode estivale sur le site de Creil.

La notion de jours ouvrs et jours non ouvrs constitue donc une information
additionnelle pour dfinir les types de pollutions, utiliser lors de ltablissement des modles
125

Chapitre III
de prdiction en plus de linformation horaire, et en tenant compte de leffet de saisonnalit.
Nous montrons dans lannexe C page 203 les formes hebdomadaires observes sur les
diffrents sites de mesures tudis qui confirment que les comportements des diffrents
polluants que nous prsentons ici en exemple peuvent tre gnraliss.

3. Dmarches de modlisation-prdiction
Dans ce qui suit, nous prsentons en dtail les mthodes de modlisation mises en
uvre pour prdire des informations sur la pollution atmosphrique partir des donnes des
capteurs, que ce soit de faon catgorielle (classification) ou quantitative. Nous avons vu dans
le chapitre 1 les diffrentes mthodes multi-variables de modlisation qui existent. La plupart
de ces mthodes (ex : PCA, PCR, PLS) sont des mthodes linaires et peu adaptes la
rponse non linaire des capteurs. Nous sommes ainsi amens utiliser prfrentiellement les
rseaux de neurones artificiels (ANN) qui permettent de prendre en compte la non-linarit
des capteurs. Dans ce but, nous utilisons le logiciel, STATISTICA qui nous donne la libert
de choisir larchitecture des rseaux avec une gamme de choix des fonctions dactivation (voir
chapitre1, rseaux de neurones).

3.1.

Prtraitements de donnes

Dans le but doptimiser les modles de prdiction, nous introduisons une nouvelle
normalisation des valeurs inter-capteurs base sur la normalisation introduite par A.-C
Romain (Romain, et al., 2005). Cette nouvelle normalisation, applique aux diffrents
capteurs dune mme cellule, est la suivante :

126

Chapitre III
Avec :
-

Zi la valeur de la conductance dite normalise du capteur i

Si et Sj la valeur de la conductance standardise en sensibilit du capteur i dfinie

prcdemment par
Le but dune telle normalisation est lattnuation des informations redondantes dans les

rponses des capteurs au profit de lamplification des carts entre eux. Ce traitement na de
sens que si les rponses des diffrents capteurs dune mme cellule sont du mme ordre de
grandeur, cest la raison pour laquelle nous appliquons ce traitement la variation de
conductance standardise en sensibilit S (Voir chapitre 2, partie 5.3).
Il est utile de rappeler ici les diffrents traitements successifs appliqus aux mesures de
conductance : Le schma de la figure 3-11 rappelle le bilan des traitements subis par les
rponses des capteurs. Les rponses brutes sont obtenues en mesurant les conductances des
couches sensibles de chaque capteur. Dune part, ltude de la variation relative de
conductance de chaque capteur sous un air de rfrence, permet de saffranchir des variations
des lignes de base des capteurs. Dautre part, sous un mlange de gaz polluants de
concentrations stables, les rponses standardises sont calcules pour homogniser et
rapprocher les sensibilits des capteurs. Finalement, les rponses des capteurs normalises
sont calcules partir des rponses standardises. Ces trois traitements ( variation relative ,
standardisation puis normalisation ) seront systmatiquement utiliss, sauf mention
contraire, pour la suite de nos modlisations. Nous consacrons la partie 5.1.1. pour tudier
leffet de ces traitements sur la modlisation.

127

Chapitre III

Figure 3-11 : Bilan de tous les traitements des rponses des capteurs.

Durant les mesures effectues par notre systme, lacquisition complte des donnes
des capteurs se fait toutes les 2 minutes. Pour une semaine de mesure nous obtiendrons donc
un nombre approchant les 5040 observations. Par contre, les donnes physico-chimiques des
concentrations des polluants rglements dans lair ont t fournies par les associations de
surveillance en une priodicit horaire soit 168 observations par semaine. Nous avons dcid
de calculer des moyennes horaires pour les rponses de chaque capteur pour obtenir des
fichiers de donnes synchroniss.

3.2.

Elimination des points aberrants

Lorsque nous observons les donnes capteurs avant moyennage, nous pouvons
observer quelques points aberrants. Ces points aberrants peuvent provenir dun vnement
spcifique alatoire comme le passage dun vhicule proximit dune station ou lmission
ponctuelle dodeur nappartenant pas la pollution atmosphrique. Ceci induit des pics
brutaux dans les rponses des capteurs comme montr dans la figure 3-12. Ces points seront

128

Chapitre III
enlevs du jeu de donnes avant que ces donnes ne seraient moyennes et synchronises
avec les donnes physicochimiques.
1.40E-04

1.20E-04

Mme signature de COV

A
Conductance (S)

1.00E-04

MICS5914
Signature du COV

MICS5525

8.00E-05
6.00E-05

MICS2611

MICS5521
TGS2620

TGS2600

4.00E-05

MICS2710
TGS2611

2.00E-05

TGS2602

0.00E+00
13/10/11
13:30

13/10/11
17:30

14/10/11
21:30

15/10/11
1:30

15/10/11
5:00

Figure 3-12 : Exemples de valeurs anormales enregistres par les capteurs

Cette figure reprsente la conductance des capteurs durant la campagne sue le site de
Saint-Amand. Une dchterie est situe proximit de cette station. Les pics B et C
enregistrs par les capteurs ont probablement pour origine la mme source puisque les
rponses des capteurs de COV prsentent la mme volution relative. Il sagit surement dune
source dhydrocarbure. Le pic A est caractris par une rponse forte unique du capteur
TGS2602, absente des autres capteurs, donc ce phnomne peut indiquer lexistence de
tolune ou dune source odorante. Il est possible de reconnatre la source de ces pics en
connaissant la signature de la pollution sur les capteurs, dans ce cas le point A peut avoir
comme origine lvacuation de pot de peinture larrire de la station, par contre une telle
reconnaissance ncessite une tude pralable et complexe dans le laboratoire, focalise sur les
diffrentes signatures de polluants et des odeurs. Etant donn la complexit dune telle tude
car ces pics observs sur nos capteurs nappartiennent pas ltude de la pollution
atmosphrique que lon souhaite caractriser, nous avons dcid de considrer ces pics
129

Chapitre III
comme points aberrants et de les liminer de nos modles. Nous verrons en fin de chapitre
quil peut tre possible de dtecter de tels vnement en phase de prdiction.

3.3.

Choix des variables

Les modles de comportement que nous essayons dtablir permettent de modliser des
sorties (Y variables) en fonction dentres (X variables). Dans notre cas, nous cherchons
prdire les informations sur la pollution partir des rponses des capteurs, et ventuellement
dautres variables facilement disponibles.
Dans la partie consacre ltude des donnes de pollution atmosphrique nous avons trouv
des informations additionnelles qui peuvent aider identifier des types de pollution. Des
variables supplmentaires ont donc t ajoutes au jeu de signaux capteurs dans le but
dincorporer le plus dinformations possible :
-

la rponse du capteur dhumidit, pour intgrer leffet de lhumidit dans les modles,

une variable dcrivant lheure du jour, cest une variable qui varie entre 0 et 12
(croissante de 0h 12h puis dcroissante jusqu minuit comme montre la figure 3-13)
pour incorporer les formes journalires de pollution.

une variable discrte indiquant les jours ouvrs et les jours non ouvrs. Cest une
variable ayant une valeur 0 pour les jours ouvrs, et une valeur 1 pour les jours fris,
les samedis et les dimanches. Le but de cette variable est dajouter une information sur
la forme hebdomadaire dune pollution.

130

Chapitre III

Variable de l'heure
12
10
Valeur

8
6
4
2
0
0

10

12

14

16

18

20

22

24

Heure

Figure 3-13 : Variable de l'heure choisie incorporer dans les modles calculer.

Nous avons vrifi que ces 3 variables sont bien sr insuffisantes en elles mmes pour
caractriser une signature de pollution, mais amliorent quelque peu les performances de
prdiction. Une tude, expose plus loin, montre leffet de ces variables supplmentaires
sur la performance des modles (5.1.2.). La temprature de lair na pas t incorpore
puisque les stations de mesure sont climatises et maintenues une temprature constante
de 23C et que les rseaux sont placs dans ces stations.

3.4.

Apprentissage des modles, limites de validit

Dans un premier temps, nous avons dbut en cherchant un modle calcul partir
dune seule cellule pour tudier le caractre modlisable du systme, puis nous poursuivons le
dveloppement de modles inter cellules (2 puis 3 cellules). Larchitecture des modles base
des rseaux de neurones est prsente sur la figure 3-14. Elle est compose de 12 entres
contenant les X variables qui sont : les rponses des 9 capteurs de gaz, lhumidit de lair, la
variable sur les jours ouvrs, et la variable horaire. En sortie nous disposons Y variables, qui
peuvent tre les concentrations des polluants ou les classes de pollution.

131

Chapitre III

12 variables X:

Variables Y:

- Rponses des
capteurs

-Concentration
des polluants

-HR

-Classe de type
de pollution

-Jours ouvrs
-Heure du jour

Neurones
dentre

Neurones
cachs

N=12

N= 4

Neurones
de sorties
N=4

Figure 3-14 : Architecture gnrale des rseaux de neurones calculer.

Lutilisation des rseaux de neurones ncessite 3 jeux de donnes comme expliqu dans le
chapitre I-4.3.3 :
-

un jeu dapprentissage pour ltablissement du modle

un jeu de validation pour valider et viter une sur modlisation

un jeu de test pour valuer les performances dun modle.

Le premier jeu sera utilis pour construire le modle et le faire converger grce lalgorithme
doptimisation, cette convergence sera vrifie lors des itrations sur le jeu de validation, et
lapprentissage interrompu ds que les performances sur ce dernier jeu ne progresseront plus
(RMSEP arrte de diminuer). Le modle termin sera enfin test avec le jeu de test afin den
valuer les performances. Si une campagne de mesure a une dure de 7 jours, nous avons
dcid de diviser nos jeux de donnes de cette faon : 5 jours pour lapprentissage, 1 jour pour
la validation et 1 jour pour le test. Ainsi, 60% des donnes serons utilises pour
lapprentissage, 20% pour la validation et 20% pour le test.
Notons ici que la plupart des logiciels dANN, comme Statistica, permettent un choix
automatique et alatoire de ces 3 jeux de donnes. Cette mthode nest pas valide dans notre

132

Chapitre III
cas car il faudrait que toutes les donnes soient indpendantes dans le temps comme montr
dans le chapitre 1 paragraphe 4.4.3. Or nos donnes sont horaires, et les phnomnes de
pollution atmosphrique ont des constantes de temps qui le plus souvent sont de plusieurs
heures. Donc nous imposons un ordre chronologique dans les 3 jeux de donnes. Ainsi le
groupe de test sera compos des donnes sur 24 heures successives, galement, le groupe de
validation sera aussi compos des donnes sur dautre 24 heures successives dans le but
dassurer une indpendance temporelle entre les jeux de donnes de diffrents groupes.
Rappelons que les ANN peuvent tre utiliss soit en quantification soit en classification
(ou catgorisation) :
-

En quantification, les cibles dapprentissage (et donc les sorties) sont des variables
pouvant voluer continument, comme par exemple des concentrations.

En classification, les cibles dapprentissage sont des variables boolennes de valeur

zro ou un. Lors de la prdiction, les sorties ont des valeurs variant continument, la
classe choisie est alors celle prsentant le poids le plus fort.

Nous utilisons le module SANN du logiciel Statistica pour ces modlisations. Ce module
calcule un nombre de rseaux choisi automatiquement ou prdfini par lutilisateur (notre
choix varie entre 100 et 500). Le module teste ainsi alatoirement un certain nombre de
paramtres comme le nombre de neurones cachs du modle et les fonctions de transfert
utilises par ces neurones. Les rseaux retenus par le programme sont fonction de la
performance dapprentissage, validation et test. Deux paramtres peuvent tre utiliss pour
valuer les performances dun modle :

133

Chapitre III
-

Le RMSEP (Root Mean Squared Error of Prediction) qui quantifie lcart entre les
cibles et les sorties du rseau, utilisable principalement en quantification, mais aussi
en classification. (

Taux de classification russie, en classification uniquement, cest le pourcentage de

classes prdites correctement.

Les modles que nous retiendrons finalement sont ceux qui prsentent les meilleures
performances en classification avec le minimum derreur.

4. Comportement des capteurs

Nous disposons des diffrents types de capteurs choisis pour la mesure des diffrents
polluants, ces capteurs ont t tests et valids en laboratoire. Mais nous ne pouvons pas
gnrer dans le laboratoire les mlanges gazeux rencontrs en situation relle cause de leur
complexit. En consquence que nous avons dcid dtudier le comportement des rseaux de
capteurs dans des situations relles.

4.1.

Etude des corrlations signaux des capteurs - polluants

Cette tude a t faite partir des rsultats de la campagne du site priurbain de Nogent,
elle est ralise laide de PLS afin dtudier et visualiser les corrlations entre les X
variables contenant les donnes des capteurs et les Y variables contenant les informations sur
la pollution. Nous avons utilis les deux premires composantes principales (CP) rsultantes,
et avons trac le graphe suivant en superposant les CP des X-variables (contenant les rponses
des capteurs Xi et les variables ajoutes de lhumidit, de lheure du jour et des jours ouverts)
avec les CP des donnes physico-chimiques des 3 polluants NO, NO2 et O3 (voir figure 3-15).
Dans cette tude nous utilisons les variations relatives de conductance ou de rsistance (Xi )
pour tudier les relations entre les rponses issues directement des capteurs. Dans ce graphe,

134

Chapitre III
les variables sont reprsentes comme des points dans un espace deux dimensions (2 CP).
Dans un tel espace, la proximit entre les variables indique la relation entre eux : les points
proches sont corrls, les points diamtralement opposs sont anti-corrls, et les points
orthogonaux par rapport lorigine sont indpendants. Notons que cette vision est trs
simplificatrice et quil est gnralement ncessaire de la complter par lexamen des
composantes principales de rang suprieur 2.

1.0
NO2

0.8
0.6

NO
Hr

CP 2 (26.4%)

0.4

Jo

TGS2602

0.2

Mics5914

0.0

Mics5521

Heure
O3

-0.2

Mics2710

Mics2611

Mics5525

-0.4

TGS2611
TGS2620
TGS2600

-0.6
-1.0
Mics5914
Mics2710

-0.8

X-Variables
Mics5525
Hr

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

CP 1 (48.5%)

Mics5521

TGS2620

TGS2600

TGS2611

TGS2602

Heure

Jo

NO

NO2

O3

Mics2611

Y-Variables

Figure 3-15 : Graphe rsultant d'un calcul base de PLS, rponses des capteurs issus de la premire cellule partir
de la station de Nogent (Priurbaine).

Dans cette exemple, le point reprsentant lO3 est prsent dans le quadrant oppos de
celui reprsentant NO et NO2 ce qui implique une anti-corrlation entre eux. Par ailleurs, la
prsence de NO et NO2 dans le mme quadrant avec une distance rduite entre eux implique
la corrlation de ces deux variables. En effectuant le mme raisonnement sur toutes les
variables nous pouvons ainsi constater que:

135

Chapitre III

les oxydes dazote (NO, NO2) sont corrls entre eux.

lO3 est anti-corrl avec les oxydes dazotes, ces 2 premiers points confirment les
observations faites au dbut de ce chapitre.

Le capteur Mics2611 (capteur choisi pour la dtection dO3) et le capteur Mics2710

(capteur choisi pour la dtection de NO2) ont des rponses corrles avec lO3 et non
pas avec NO2. Ce qui indique que le capteur Mics2710 est plus slectif lO3 que
NO2, aspect important prendre en considration pour les futures modlisations.

Les capteurs Mics5521, TGS 2602 et Mics5914, capteurs choisis pour la dtection des
COV, ont des rponses corrles avec la prsence des oxydes dazotes. Et comme
nous lavons dj expliqu, NO provient des sources trafic, ces capteurs sont donc
plutt corrls avec des diffrents polluants rducteurs qui proviennent de la mme
source de NO (comme le CO et les Hydrocarbures).

Les rponses des capteurs TGS2600 (COV), TGS2620 (COV), TGS2611 (CH4) et
Mics5525 (CO) encadres par le rectangle bleu sont indpendants des polluants
mesurs par analyses physico-chimiques. Comme le site est de type priurbain, les
COV sont mal reprsents, et donc ces capteurs mesurent des vnements provenant
de sources indpendantes. Ils sont donc riches en informations complmentaires.

Les variables ajoutes (Hr, Heure, Jo) sont prsentes avec des poids plus faibles que
les autres variables, ce qui implique quelles contribuent dune faon plus faible au
systme. Par contre, nous pouvons les corrler avec la prsence de lO3, cest dire la
pollution photochimique prsente durant la journe, comme montr dans la partie 3.
Cette pollution photochimique est lie aux jours de la semaine mais aussi la prsence
de pluie et des diffrents vnements mtorologiques dont lhumidit est
lindicateur majeur.

136

Chapitre III

3 capteurs, les TGS 2600, 2611 et 2620 semblent trs proches les uns des autres.
Lexamen de la 3eme composante principale nous montre que 2600 et 2620 donnent
effectivement les mmes informations, et quon devrait pouvoir faire lconomie dun
des deux capteurs.

Avec ces diffrentes observations, nous arrivons mieux comprendre le comportement des
capteurs dans une situation relle, et pourrons ainsi mieux optimiser les mthodes de
prdiction. Nous montrons dautres tudes effectus sur les comportements des capteurs sur
les sites de mesure dans lannexe D page 209.

4.2.

Comportement de type oxydant ou rducteur des capteurs

Lors des mesures ralises sur les diffrents sites d'tudes, nous avons pu analyser les
variations des conductances relatives de certains capteurs avec les volutions des teneurs en
polluants. Ainsi comme le montre la figure 3-16, les variations des conductances relatives des
capteurs de COV, comme MICS 5521 et TGS 2602, sont relativement bien corrles avec les
variations de la concentration en NO2 (seul polluant pour lequel ltude des corrlations avec
les concentrations est possible, les COV ntant pas mesurs sur le site dtude). Cependant,
la prsence de concentrations croissantes en NO2 (gaz oxydant) dans l'air devrait se traduire
par une variation ngative de la conductance de ces capteurs or ces derniers prsentent une
variation de conductance positive qui ne peut tre explique que par la prsence de
concentrations croissantes en gaz rducteurs vraisemblablement associs au NO2. Or les gaz
rducteurs rglements (le monoxyde de carbone, le benzne,..) sont prsents de faibles
concentrations individuelles et incapables de causer une telle rponse comme montr dans la
figure 3-16 compte tenu de la faible sensibilit des capteurs ces composs, ils ne peuvent
donc pas expliquer individuellement le signal observ. Ainsi, nous constatons que les signaux
mesurs sont probablement dus la prsence de gaz rducteurs non rglements provenant de

137

Chapitre III
la mme source trafic que NO2, comme par exemple des alcanes provenant des missions des
chappements automobiles.

Figure 3-16 : Corrlation entre les capteurs de COV et la concentration de NO2 dans le site de Valenciennes (Trafic).

4.3.

Tentative de prdiction quantitative

Comme nous lavons vu dans le chapitre I, les capteurs ou rseaux de capteurs sont
gnralement utiliss pour valuer les concentrations de certaines espces gazeuses (Tsujita,
et al., 2005) (Helli, et al., 2004) (Negri, et al., 2001) (Sarry, et al., 1999) (Chaiboun, et al.,
2007) (Szcsurek, et al., 2011) (Kamionka, et al., 2006) Nous avons donc tent ici de prdire
directement les concentrations de certains polluants (NO, NO2 et O3) partir des signaux des
capteurs et autres variables explicites plus haut, en utilisant les rseaux de neurones. Ce
modle obtenu a t optimis avec une architecture ayant 12 entres correspondant aux X
variables et 3 sorties correspondantes aux 3 concentrations des polluants. Ce modle possde
une couche cache avec 8 neurones. La figure 3-17 montre le rsultat dune autoprdiction
dun modle calcul sur les donnes de la station priurbaine de Nogent partir des rponses
des capteurs de la cellule 1. Nous dfinissons par autoprdiction , les rsultats de
lapplication dun modle calcul sur les mmes jeux de donnes utiliss pour construire ce
138

Chapitre III
modle (jeu dapprentissage et de validation). Les bonnes performances des modles
dautoprdiction est une condition ncessaire pour la pertinence de ces modles, mais non
suffisante pour la description de leurs performances globales et leur utilisation relle, et donc
leur capacit dextrapolation.

Autoprdiction de NO2
Erreur de prdiction (g/m 3 )

Erreur de prdiction (g/m 3 )

Autoprdiction de NO
30.0
25.0
20.0
15.0

10.0
5.0

0.0
-5.0
-10.0

50.0
40.0
30.0
20.0
10.0

0.0
-10.0
-20.0

0.0

10.0

20.0

30.0

40.0

50.0

0.0

10.0

20.0

Concentration en NO (g/m 3 )

30.0

40.0

50.0

60.0

Concentration en NO 2 (g/m 3 )

Erreur de prdiction (g/m 3 )

Autoprdiction de O3
40.0
30.0
20.0
10.0

0.0
-10.0
-20.0
-30.0
0.0

20.0

40.0

60.0

80.0

100.0

120.0

Concentration en O 3 (g/m 3 )

Figure 3-17 : Etudes quantitatives, erreurs de prdiction des concentrations des polluants partir des rponses des
capteurs et des variables ajoutes.

Dans cette figure nous traons les erreurs de prdiction en fonction des concentrations
relles des polluants. Les performances de prdiction sont plutt mauvaises. Pour des faibles
concentrations qui ne dpassent pas 20g/m3, lerreur de prdictions est globalement limit
dans un intervalle de 5 g/m3 pour NO et 10 g/m3 pour NO2. Par contre, cette prdiction
risque de surestimer les concentrations de NO et NO2 pour des concentrations plus fortes que
20g/m3, do les performances de prdiction sont plutt mauvaises. Par contre pour lO3,
nous pouvons constater que cette erreur est indpendante de la concentration. Dans ce dernier
cas, nous notons que lintervalle derreur est born entre [-20 g/m3 ; 20 g/m3] quelle que

139

70.0

Chapitre III
soit la concentration. La prdiction est donc meilleure pour lO3 que celle de NO et NO2 due
la haute sensibilit des capteurs lO3.
Devant ces erreurs non ngligeables obtenues et la difficult obtenir une haute prcision
avec une tude quantitative performante, nous avons orient nos travaux plutt vers une
prdiction catgorielle. Ces difficults de prdiction directe des concentrations sont par
ailleurs lies au fait, observ plus haut, que les signaux des capteurs sont dus en bonne partie
des gaz non rglements.

4.4.

Prdiction catgorielle

Comme montr dans la partie 2 de ce chapitre, nous pouvons dterminer des types de
pollution dans une zone urbaine partir de la prsence de trois polluants dans latmosphre
(O3, NO et NO2). Donc, il est possible de catgoriser la pollution en 3 types : Urbain, Trafic et
Photochimique. Des seuils doivent tre choisis partir des concentrations de ces polluants
pour sparer ces catgories. Une tude de la distribution des concentrations (horaires) a t
faite pour dfinir un seuil limite, au-del duquel nous dfinissons la prsence dune catgorie
de pollution.
Ces seuils ont t dtermins partir de ltude statistique dune anne dhistorique de
donnes sur les 7 sites dtude (2010). Ils ne seront pas forcment pertinents pour dautres
sites (par exemple plus pollus), ou dautres annes. Ce choix a ici un caractre assez
arbitraire et devra tre adapt en fonction des sites et des objectifs recherchs.
4.4.1. Cas de la pollution trafic
Comme prcis antrieurement, un site trafic est globalement caractris par une forte
concentration en NO et en NO2 (voir partie 2 du chapitre III). La figure 3-18 montre la
distribution annuelle en concentration de NO issue des sites de trafic tudis, Roubaix et
Valenciennes. Ltude de la distribution annuelle de NO sur les sites trafic montre un aspect
140

Chapitre III
assez semblable. Ces deux distributions ont des mdianes proches : 10 g/m3 pour
Valenciennes et 16 g/m3 pour Roubaix. Les moyennes sont de 20 g/m3 et 32 g/m3
respectivement (voir tableau 3-2), avec un maximum doccurrences situ entre 5 et 15 g/m3
pour les deux distributions. Nous pouvons ainsi caractriser la prsence dune pollution trafic
par lobservation de concentrations en NO suprieures la valeur la plus haute des moyennes
observes sur des sites trafic ainsi que labsence de la pollution trafic par lobservation dune
concentration en NO infrieure la valeur la plus basse des mdianes observes sur des sites
trafic.

Absence dune
pollution Trafic

Roubaix

Valenciennes

Nombre d'occurrences / 1 an

3000
2500

Prsence dune
pollution Trafic

2000

1500
1000
500

Valeur de
moyenne la
plus haute

Valeur de
mdiane la
plus basse

Concentration en NO (g/m3)

Figure 3-18 : Distribution annuelle en moyennes horaires des concentrations en NO dans les sites trafics (2010)

Nous avons choisi, pour des raisons dapproximations, un seuil de 30 g/m3 pour dfinir
la prsence dune source trafic. Cependant, il est important de noter que la sensibilit des
modles tablis ultrieurement aux diffrents seuils pour les diffrents polluants sera
galement tudie (cf 6.1 Seuils de catgorisation ).
4.4.2. Cas de la pollution urbaine
Nous avons effectu la mme tude de distribution des concentrations en polluants sur
des sites urbains, priurbains et trafic, avec, sur la figure 3-19 la distribution annuelle en NO2

141

Chapitre III
dans les sites urbains de Bthune, Douai et Creil, le site priurbain de Nogent et le site trafic
de Roubaix. Comme pour le cas de NO, la distribution de NO2 montre un aspect similaire
dans les diffrentes stations urbaines et priurbaines, avec toujours une mdiane proche de 20
g/m3 et une moyenne proche de 25 g/m3. Contrairement aux sites trafic, la moyenne de
NO2 peut monter jusqu 46 g/m3 (voir tableau 3-2). Ainsi nous avons caractris, comme
pour le cas prcdent dun site trafic, la prsence dune pollution urbaine par une prsence en
NO2 de plus de 40 g/m3. De la mme faon que prcdemment pour les sites trafic , la
sensibilit des modles tablis aux diffrents seuils pour les diffrents polluants sera
galement tudie (cf 5.1.3. Seuils de catgorisation ).

Absence dune

Bthune

Creil

Douai

Nogent

Roubaix

1600 pollution urbaine

Nombre d'occurrence/1an

1400
1200

Prsence dune
pollution urbaine

1000
800
600
400
200
0

Concentration en g/m3

Figure 3-19 : Distribution annuelle en moyennes horaires des concentrations en NO2 (2010)

4.4.3. Cas de la pollution photochimique :

Comme nous lavons dj montr, une pollution photochimique est caractrise par la
prsence de concentrations relativement fortes en O3 dans lair. Comme pour les cas
prcdents, ltude de la distribution annuelle de lO3 dans des sites urbains et priurbains
montre des aspects semblables avec des valeurs moyennes de lordre de 40 g/m3 et des
valeurs mdianes du mme ordre de grandeur. Nous montrons sur la figure 3-20 la
distribution dO3 durant une anne de mesure (2010) sur les sites de Bthune, Creil, Douai et
142

Chapitre III
Nogent. Nous pouvons alors dfinir un seuil suprieur de pollution photochimique au-del de
50 g/m3 dO3 pour des raisons dapproximations.

Figure 3-20 : Distribution annuelle en moyennes horaires des concentrations en O3 (2010).

Ces seuils permettent de dfinir des catgories de pollutions, elles sont regroupes
dans le tableau 3-3. Nous devons aussi introduire une catgorie dite de pollution faible qui
dfinit les cas o les concentrations des trois polluants sont plus faibles que lensemble des
seuils.
Tableau 3-3 : Tableau rcapitulatif des seuils de catgorisation avec les types de pollution accords.

Seuils
Type de pollution

O3
l = 50 g/m3
Photochimique

NO
l = 30 g/m3
Trafic

NO2
l = 40 g/m3
Urbain

143

Chapitre III
4.4.4. Dmarche de catgorisation :
En utilisant les seuils dfinis dans le tableau 3-3, nous pouvons classer la pollution de lair en
quatre catgories :

Pollution trafic (T)

Pollution urbain (U)

Pollution photochimique (P)

Pollution faible (F)

Comme lO3 et le NO sont fortement anticorrls, il est possible dillustrer cette

catgorisation dans un plan comme montre la figure 3-21.
Concentration en NO 2

Pollution
trafic (T)

Pollution urbaine (U)

l
Pollution
faible
(F)
Concentration en O 3

Concentration en NO

Figure 3-21 : Catgories de pollution en fonction des seuils de NO, NO2, et O3.

Lespace des classes reprsent comme un losange montre la relation entre lO3, NO, et NO2 :
une forte concentration de NO est accompagne par une forte concentration de NO2, et
inversement, par rapport lO3. La pollution trafic peut tre dfinie par la prsence des
concentrations leves en NO et NO2, la pollution photochimique peut tre dfinie par la
prsence dune concentration leve en O3 et suprieure au seuil l. La pollution urbaine sera le
cas dune forte concentration en NO2. Nous pouvons toujours avoir des cas o la
concentration en NO est beaucoup plus leve que celle en NO2 (c.f. figure 3-2, et annexe B),

144

Chapitre III
spcialement dans des sites trafic, mais ceci naffecte pas notre catgorisation, puisque la
catgorie trafic est dfinie lorsque la concentration en NO dpasse le seuil de 30g/m3.
Ces catgories peuvent tre dfinies par des combinaisons boolennes entre les diffrentes
concentrations des gaz comme montr dans le tableau 3-4.
Tableau 3-4 : dtermination des catgories de pollution partir des concentrations des polluants avec une
classification boolenne.

Pollution catgorie
Trafic (T)
Urbain (U)
Photochimique (P)
Faible (F)
Ces

catgories

ne

constituent

Catgorisation
[NO]

pas

toutes

les

combinaisons

logiques

mathmatiquement possibles, car certaines ne peuvent pas exister, ainsi, par exemple une
forte concentration en NO nest jamais observe avec une faible concentration en NO2, le cas

nexiste donc pas.

Pour une telle catgorisation binaire, la valeur dappartenance une catgorie est 1 et

la valeur de non appartenance une catgorie est 0. Donc, les valeurs de sorties des modles
effectuant ce type de catgorisation sont des variables boolennes, tant 0 si la classe nest pas
dtecte et 1 si elle est dtecte. Nous avons calcul ainsi des modles bases de rseaux de
neurones en cherchant obtenir des classes dfinissant lappartenance une des catgories de
pollution dj prsentes dans la figure 3-21 partir des X-variables. Nous montrons dans le
tableau 3-5 les taux de russite de classification dun modle calcul sur les X-variables issues
de la 3me cellule partir des donnes de la station urbaine de Creil. Ce modle est construit
sur une architecture dun rseau de 12-6-4. Rappelons que seules les performances de test sont
reprsentatives des performances quon peut esprer avoir. Les performances dapprentissage
et de validation indiquent la modlisabilit du systme.

145

Chapitre III
Tableau 3-5: Taux de russite de classification d'un modle calcul selon une catgorisation binaire sur la station de
Creil (Urbaine).

Classification
Nb dobservations
Apprentissage
Validation

Trafic
0
Pas de trafic
Pas de trafic

Urbain
8
0/5 = 0%
0/0 = 0%

Photochimique
102
55/55 = 100%
22/24 = 92%

Faible
56
21/34 = 62%
10/12 = 83%

Total
166
76/94 = 84%
32/36 = 83%

Test

Pas de trafic

0/3 = 0%

21/23 = 91%

1/10 = 10%

22/36 = 61%

Total

Pas de trafic

0/8 = 0%

98/102 = 96%

32/56 = 57%

130/166 = 78%

Nous rappelons que le taux de russite de classification prsent dans le tableau 3-5 est
le pourcentage des points dont la catgorie prdite ( partir des X-variables) est correcte selon
la catgorie pointe par les donnes physico-chimiques correspondantes (les Y-variables). Le
total indique la somme des performances obtenues par rapport au groupe dsign sur toutes
les donnes, et le nombre dobservations indique le nombre de fois o les donnes physicochimiques pointent une classe de pollution donne. Les performances pour les donnes
dapprentissage et de validation sont donnes pour mmoire, les performances relles tant
indiques par les donnes dites de test.
Ainsi, lors de cette campagne, et cause de lpisode de pollution photochimique, la
concentration de NO provenant de sources trafics tait faible dans ce site et sur la priode
dtude, donc la catgorisation des types de pollution partir des donnes physico-chimiques
des analyseurs automatiques na pas pu tablir la prsence dune catgorie trafic , et donc
le nombre dobservations ayant la catgorie trafic tait nul.
Lors de la modlisation partir des donnes du systme multi-capteurs, la pollution
trafic na jamais t classifie ce qui est en accord avec les donnes physico-chimiques. Ce
nest pas le cas de la catgorie urbain , cette catgorie a t identifie partir des mesures
des concentrations de polluants mesures sur ce site, or chaque fois que les donnes
physicochimiques pointent sur la catgorie urbain , le modle se trompe, ainsi aucune
catgorie urbain na t dtecte partir des donnes issues des capteurs. Seule la

146

Chapitre III
pollution photochimique prdomine, puisque les mesures ont t effectues en priode
estivale. Ainsi nous trouvons quaucune catgorie urbaine na t correctement classifie,
contrairement la catgorie photochimique qui a t justement classifie 96% sur toutes les
donnes. Il apparat galement que le taux de russite est de presque 84% sur toutes les
donnes dapprentissage et de validation, tandis quil nest que de 61% sur les donnes de test
qui sont des donnes inconnues par rapport au modle tabli. Nous remarquons alors la bonne
dtection dune pollution Photochimique , par contre, nous observons des mauvaises
performances pour des pollutions Faible et Urbaine .
Nous pouvons alors constater que ce modle traduit mal le comportement rel de la
pollution sur le terrain. Il est possible daffiner fortement cette classification en rglant de
manire moins abrupte le basculement entre les classes aux frontires des seuils comme
montr dans la figure 3-22 suivante. En effet, lutilisation des fonctions boolennes pour les
combinaisons des tats des polluants implique que ltat =1 si la concentration du polluant est
plus leve que le niveau choisi et 0 si la concentration est plus faible. Une telle catgorisation
peut crer des problmes de frontires et de zones mal dfinies. Ainsi, un changement de
1g/m3 peut brutalement faire basculer dune catgorie lautre. Comme solution cet effet
de seuil, nous proposons dutiliser la logique floue.
Concentration en NO 2

Pollution
trafic (T)

Pollution urbaine (U)

Frontires non
dfinies

l
Pollution
faible
(F)

Concentration en O 3

Concentration en NO

Figure 3-22 : Problmes des frontires dans une classification boolenne.

147

Chapitre III

4.5.

Catgorisation avec la logique floue

La logique floue ( fuzzy logic ) est largement utilise dans le contrle intelligent, la
dtection des formes, et la classification des donnes. Elle est utilise comme un substitut la
logique boolenne qui, de par sa limitation deux tats (vrai ou faux), prsente une zone de
passage non dfinie entre ces deux tats comme montr dans la figure 3-22, et un effet de
seuil trs prjudiciable. La logique floue permet de modliser les imperfections des donnes et
imite dans une certaine mesure la flexibilit du raisonnement humain. Introduit en 1965 par
Lotfi Zadeh (Zadeh, 1968) en se basant sur sa thorie mathmatique des ensembles flous, la
logique floue introduit la notion de degr dappartenance permettant une condition dtre
dans un tat autre que vrai ou faux contrairement la logique boolenne. Elle offre une
flexibilit et permet de prendre en compte les inexactitudes et les incertitudes dun systme et
rsout le problme de leffet de seuil. La figure 3-23 montre lexemple dune quation

Logique boolenne

Logique Floue
Degr dappartenance

Degr dappartenance

logique: x > k x E en utilisant la logique boolenne et la logique floue.

E
0

E
0

Figure 3-23 : fonctions dappartenances boolenne et floue

Le changement brusque du degr dappartenance observ avec la logique boolenne

est substitu par une augmentation continue de la valeur du degr dappartenance avec la
logique floue. Par consquent, lapplication de la logique floue aux concentrations de
polluants peut permettre une catgorisation de la pollution ne causant pas de problme deffet

148

Chapitre III
de seuil. Ainsi nous passons dune approche de catgorisation avec des variables boolennes
(0 ou 1) vers une approche de catgorisation avec des variables continues qui varient entre 0
et 1. Ces nouvelles variables seront les degrs dappartenance aux catgories de pollutions
choisies. Ainsi la catgorie ayant le degr dappartenance le plus lev sera considre
comme la catgorie prdominante (le type de pollution prdominant).
4.5.1. Choix dune fonction non linaire
Afin dappliquer la logique floue notre catgorisation des types de pollution, des
fonctions dappartenance non linaires sont ncessaires pour dcrire lvolution des
concentrations de NO, NO2 et O3 dans latmosphre. Ces fonctions doivent tre des fonctions
non linaires, monotonement croissantes et bornes entre 0 et 1.
Nous avons ainsi choisi comme fonction de base une fonction couramment utilise en logique
floue et dfinie par :

)))

Cette fonction a les proprits suivantes (voir figure 3-24) :

-

Non linaire

Borne entre 0 et 1

Monotone croissante.

f(a) =0.5 (point dinflexion)

p: dfini la pente de la fonction pour f(x) = 0.5.

Cette fonction peut aussi tre dfinie par deux seuils comme montr dans la figure 3-24, ce
qui correspond mieux nos besoins car on pourra faire le lien avec les seuils de
concentrations tablis pour sparer les classes de pollution.
-

F(linf) = 0.12 = q

F(lsup) = 0.88 = 1-q

149

Chapitre III

f(x)
1.1
1

0.9
0.8

1-q

0.7
0.6

0.5
0.4

0.3

0.2
0.1
0
0

10

linf

20

30

40

50

60

lsup
70

80

90

100

110

120

130

140

x150

Figure 3-24 : La fonction non linaire choisie.

En introduisant ces deux seuils dans lquation (2), nous pouvons crire :

)(

)))

Avec :
-

Concrtement, lsup est la valeur de concentration au-del de laquelle la catgorie de

pollution est trs probable, et linf la valeur en de de laquelle la catgorie de pollution est trs
improbable. Ainsi si nous nous basons sur les seuils qui ont t prsents dans le tableau 3-3
et dans les figures 3-18, 3-19 et 3-20, nous supposons que quand les concentrations des
polluants sont plus faibles que les valeurs de mdianes annuelles (calcules sur 2010), ces
concentrations ne peuvent pas contribuer une catgorie de pollution vritable, ce sont les linf,
et inversement quand les concentrations de polluants dpassent leurs moyennes annuelles
(calcules sur 2010) nous considrons que ces concentrations peuvent contribuer une
150

Chapitre III
pollution do les seuils prsents dans le tableau 3-3 deviennent les seuils suprieurs (lsup).
Ainsi nous pouvons r-tablir et les nouveaux seuils de pollutions en se basant sur les valeurs
de la partie 4.4, comme montr dans le tableau 3-6.
Tableau 3-6 : Tableau rcapitulatif des seuils de catgorisation

Seuils
linf
lsup

NO
15 g/m3
30 g/m3

NO2
20 g/m3
40 g/m3

O3
30 g/m3
50 g/m3

4.5.2. Application de la logique floue la catgorisation des

pollutions
Les relations de catgorisation ainsi obtenues pour calculer le degr dappartenance de
chaque catgorie partir des fonctions dappartenance des polluants utilisent les seuils du
tableau 3-6 et se basent sur les relations montres dans le tableau 3-4. Ces fonctions floues
sont le rsultat des combinaisons avec des oprateurs flous (Zadeh, 1968) entre les fonctions
dappartenance de chaque polluant comme montr dans le tableau 3-7.
Tableau 3-7 : Les oprateurs logiques crits en logique boolennes et logique floue (Zadeh, 1968).

Oprateur
Et
Ou
Non

Equation boolenne
{
{

Equation floue
)
)} =f(X) * g(Y)
)
)}=f(X) + g(Y)
)

La fonction utilise peut tre ainsi crite comme ceci :

)(

)))

Le tableau 3-7 des quations de calcul des catgories de pollution peut ainsi tre rcrit
dans le tableau 3-8 :

151

Chapitre III
Tableau 3-8 : dtermination des degrs dappartenance des catgories des pollutions partir des concentrations des
polluants.

Catgorie pollution
Trafic (T)
Urbain (U)
Photochimique (P)
Faible (F)

Equation boolenne

Equation floue
F1(NO)*(1-F3(O3))
F2(NO2)*(1-F1(NO))*(1-F3(O3))
F3(O3)
(1-F1(NO2))*(1-F2(NO))*(1-F3(O3))

Pour utiliser cette nouvelle mthode de catgorisation, il faut calculer les degrs
dappartenance de chaque catgorie de pollution partir des valeurs horaires de
concentrations de chaque polluant. Ces valeurs seront utilises comme des variables cibles
(Y-variables) pour le calcul des modles laide du rseau de neurones. Une classe de
pollution sera considre comme prpondrante, lorsquelle prsente le degr dappartenance
le plus lev. Le taux de russite, est calcul comme le taux des prdictions correctes des
classes de pollution.
La figure 3-25 illustre la nouvelle catgorisation des polluants en utilisant la logique
floue, les zones non dfinies sont des zones dont on connat dsormais la contribution sous
formes de degr dappartenance chaque catgorie, ainsi, il est toujours possible de calculer
la pollution prpondrante dans cette zone.

Figure 3-25 : Illustration de la catgorisation des pollutions en se basant sur la concentration des polluants

152

Chapitre III
4.5.3. Rsultat de catgorisation
Reprenons lexemple de la station de Creil prsent dans la partie 5.4.4 en appliquant
cette nouvelle mthode de catgorisation. Nous montrons ici la dmarche de catgorisation
des diffrentes catgories de pollutions sur ce site urbain. Lvolution de la concentration de
ces polluants est montre figure 3-26-A. Nous pouvons observer lvolution de la
concentration en O3 durant les heures des journes ainsi que des faibles pointes associes au
trafic automobile du matin montres par les pics en NO et NO2. Les fonctions dappartenance
de chaque polluant sont alors calcules partir des valeurs de concentrations et de lquation
(4) en utilisant les seuils dfinis par le tableau 3-6, Ces fonctions sont montres figure 3-26-B.
Nous remarquons que la forme dvolution de ces fonctions est proche de celle des
concentrations des polluants (figure 3-26-A), par contre, les amplitudes des variations sont
rduites et bornes entre 0 et 1, ce qui est normal puisque nous cherchons faire une
catgorisation et pas une quantification. Nous pouvons ainsi calculer les degrs
dappartenance prdits (les Y-variables) partir des donnes des concentrations des 3
polluants, qui sont montrs figure 3-26-C. Nous retrouvons ainsi les pisodes de pollutions
photochimiques correspondant aux concentrations leves en O3 tracs en verts, les faibles
pics de pollution trafic le matin correspondant aux concentrations en NO et NO2 mises par
des sources trafic. Et finalement, une pollution urbaine est observable durant les nuits dues
aux concentrations leves en NO2.

153

Chapitre III

Concentration des polluants (g/m 3 )

NO

NO2

O3

140
120
100

80
60

40
20
0

F1(NO)

F2(NO2)

F3(O3)

Fonctions d'appartenances

1.2
1
0.8
0.6

0.4
0.2
0

Trafic

Urbain

Photochimique

Faible

1.2

Degrs d'appartenance

1
0.8

0.6
0.4
0.2
0

Figure 3-26 : dmarches de catgorisations des types de pollution partir de la campagne de mesure du site de Creil.

154

Chapitre III
Aprs modlisation par rseau de neurones nous effectuons une comparaison entre
catgorisation partir des donnes physicochimique (Y-variables) et la catgorisation partir
des X-variables (Y-variables prdites) pour calculer un taux de russite de classification. Il
sagit ici dautoprdiction , les problmes dextrapolation seront vus plus loin. Le modle
utilis a une architecture en 12-4-4. Les rsultats de prdiction de ce modle sont montrs
dans le tableau 3-9. Nous effectuons une comparaison avec les rsultats obtenus par la
mthode de catgorisation binaire tudie dans la partie 4.4.4.
Tableau 3-9 : Tableau reprsentant les taux de russite des modles calcul pour prdire des catgories boolennes et
floues.

Catgories
Boolen
Y-variables
boolennes

Floue
Y-variables
floue

Classification
Nb dobservations
Apprentissage
Validation
Test

Trafic
0
Pas de trafic
Pas de trafic
Pas de trafic

Urbain
13
0/5 = 0%
0/0 = 100%
0/3 = 0%

Photochimique
92
55/55 = 100%
22/24 = 92%
21/23 = 91%

Faible
61
21/34 = 62%
10/12 = 83%
1/10 = 10%

Total
166
76/94 = 84%
32/36 = 83%
22/36 = 61%

Total (%)

Pas de trafic

0/8 = 0%

98/102 = 96%

32/56 = 57%

130/166 = 78%

Apprentissage
Validation
Test

Pas de trafic
Pas de trafic
Pas de trafic

5/5 = 100%
0/0 = 100%
3/3 = 100%

54/55 = 98%
23/24 = 96%
23/23 = 100%

30/34 = 88%
7/12 = 58%
9/10 = 90%

89/94 = 95%
30/36 = 83%
35/36 = 97%

Total (%)

Pas de trafic

8/8 = 100%

100/102 = 98%

46/58 = 82%

154/166 = 93%

Ainsi il est possible de voir que sur le site de Creil sur la priode o les mesures ont
t faites, aucune pollution de type trafic na t identifie par les deux mthodes de
catgorisation (boolenne et floue). Par contre le type urbain na jamais pu tre identifi lors
de lutilisation de la logique boolenne alors que la russite de classification est de 100% avec
utilisation de la logique floue. De la mme faon pour les types de pollution photochimique et
faible, lutilisation de la logique floue amne une nette amlioration des taux de russite de
classification, en utilisant des rseaux de neurones moins complexes quauparavant. La
pollution prdominante est celle qui possde le degr dappartenance le plus lev dune
catgorie.

155

Chapitre III
Cette mthode de prdiction est dj trs intressante mais souffre de son cot 100%
catgoriel. Elle napporte aucune information quantitative concernant le degr de pollution,
mme si la catgorie pollution faible introduite, constitue en quelque sorte une
quantification binaire de lintensit de pollution.

4.6.

Prdiction mixte catgorielle et indicielle

Afin dintroduire une notion quantitative la catgorisation des types de pollution, nous
avons dcid de nous inspirer, sans le reproduire lidentique, de lindice de pollution
ATMO utilis dans la communication grand public par les AASQA (voir chp1 partie 2.4.)
en France. Lindice ATMO qui est le maximum de 4 indices mineurs calculs partir des
concentrations de 4 polluants (SO2, O3, NO2 et PM10), est utilis pour informer le public sur la
qualit de lair ambiant dans une rgion. Chaque indice varie de 1 10, 1 tant le cas dune
trs faible pollution et 10 le seuil maximal dalerte dfinie pour un polluant partir des
directives europennes (chapitre I partie 2). Dans notre cas, lindice de pollution choisi IP
sera bas sur 3 indices mineurs calculs partir des concentrations disponibles de polluants,
soit NO, NO2 et O3. Notre indice IP sera aussi dfini comme tant le maximum des 3 indices
mineurs. Les indices dO3 et de NO2 peuvent tre calculs de la mme faon que celle dfinie
par ATMO. Par contre, comme NO napparait pas dans lindice ATMO, un nouvel indice a
t cr pour dcrire sa prsence.
Nous savons que NO est caractristique de la pollution trafic, et que pour une telle pollution
les valeurs de NO et NO2 sont corrles. Cet indice est alors estim de faon maintenir la
mme distribution que celle de lindice de NO2 par une simple rgle de 3 entre la distribution
annuelle des concentrations de NO2 et celle de NO. Cette distribution sera calcule sur
lhistorique des donnes de lanne 2010. La figure 3-27 suivante montre le nombre
doccurrence des concentrations de NO et NO2 dans toutes les stations tudies. Donc nous
pouvons en dduire le tableau 3-10 suivant.
156

Chapitre III

Nombre d'occurrence

100000
10000
1000
NO

100

NO2
10

0
20
40
60
80
100
120
140
160
180
200
220
240
260
280
300
320
340
360
380
400

1
Concentration g/m3
Figure 3-27 : frquence d'occurrence en moyenne horaire des concentrations de NO et NO2 durant lanne 2010.
Tableau 3-10 : Indice de pollution dvelopp pour aider obtenir une catgorisation mixte.

Indice

NO (g/m3)

NO2 (g/m3)

O3 (g/m3)

1
IP
2

0-9

0-29

0-29

10-34

30-54

30-54

35-74

55-84

55-79

75-154

85-109

80-104

160-239

110-134

105-129

239-314

135-164

130-149

315-379

165-199

150-179

380-439

200-274

180-209

440-499

275-399

210-239

10

>= 500

>=400

>=240

Cet indice IP, qui nous permettra dobtenir des informations sur le degr de pollution, sera
calcul, de la mme faon que les degrs dappartenance, partir des concentrations issues
des analyseurs pour lapprentissage, puis laide du rseau de neurones lors de la prdiction.
Les catgories ne seront alors plus que 3 puisque la catgorie pollution faible na plus de
raison dtre.

157

Chapitre III
Mais cet indice est un indice discrtis, ce qui limite les informations et ajoute une
erreur de discrtisation sur nos modlisations. Nous avons donc dcid dtablir des quations
continues pour affiner cet indice. Durant nos campagnes de mesures, nous navons jamais
rencontr des cas o lindice ATMO dpasse la valeur 6, ce qui explique pourquoi dans notre
calcul lindice maximal est 7. La figure 3-28 montre les quations obtenues jusqu lindice 7.
Nous remarquons que les indices de NO2 et O3 obtenus partir des indices ATMO sont quasilinaires, ce qui nest pas le cas pour lindice de NO calcul.
De cette manire, la nouvelle catgorisation prendra la forme mixte prsente sur la
figure 3-29. La catgorie de pollution faible, est substitue par la valeur de lindice de
pollution IP.

IP NO

IP

IP NO2
3
IP O3

y = 5.17E-07x 3 - 2.94E-04x 2 + 6.07E-02x

Poly. (IP NO)

y = 3.67E-02x

Linaire (IP NO2)

Linaire (IP O3)

y = 3.90E-02x
0
0

50

100

150

200

250

300

350

Concentration (g/m 3 )

Figure 3-28 : Les quations modlisant les 3 indices mineurs.

158

Chapitre III

Figure 3-29 : Nouvelle catgorisation mixte, la catgorie de la pollution faible est substitue par l'indice de pollution.

La partie suivante de ce chapitre, sera consacre loptimisation des modles de

prdiction et leur portabilit et utilisera cette approche mixte, catgorielle et indicielle.

5. Rsultats de prdiction mixte

Nous prsentons dans cette partie les travaux effectus pour loptimisation des
performances des modles, ainsi que ceux validant les choix dj prsents dans les parties
prcdentes. Dans la suite nous ne prsentons que les performances correspondantes la
partie de test des modles calculs pour montrer leurs robustesses vis vis des nouvelles
valeurs inconnues.

5.1.

Optimisation des modles

Nous avons dbut nos modlisations en tudiant la modlisabilit du systme. Les

rponses des diffrentes cellules ont t utilises pour prdire les catgories de pollutions dans
chaque site ainsi que lindice de pollution IP .
Dans un premier temps, et afin doptimiser la ralisation des modles, il a fallu sassurer
de la pertinence des diffrents choix concernant les variables, les traitements et les seuils
voqus plus haut.

159

Chapitre III
5.1.1. Normalisation et standardisation des sensibilits
Deux critres de performances des modles dvelopps ont t utiliss :
-

Le RMSEP (Root Mean Squeared Error of Prediction) qui quantifie lcart entre les

cibles et les sorties du rseau. (

-

Taux de classification russie, cest le pourcentage de classes prdites correctement.

Le tableau 3-11 montre leffet du choix des variables des rponses de capteurs sur les
performances des modles calculs. Les modles suivants sont calculs pour prdire les
diffrentes catgories de pollution ainsi que lindice de pollution. Dans la recherche dune
modlisation o les critres ne sont pas applicables dans les priodes dpisodes
photochimique, nous avons choisi pour cette modlisation la station de Bthune (urbaine).
Trois modles sont calculs, un en utilisant les rponses des capteurs non standardises, un
autre en utilisant les rponses des capteurs standardises, et un troisime en utilisant les
rponses standardises et normalises.
Tableau 3-11 : performances des modles calculs sur le site de Bthune.

Modle par cellule

Rseau
de capteurs

Cellule 1
Cellule 2
Cellule 3

Performances avec les

rponses des capteurs non
standardises (Xi)

Russite
80 %
75 %
78 %

RMSEP-IP
0.3
0.29
0.3

Performances avec des

rponses des capteurs
standardises (Si)

Russite
85%
82%
86%

RMSEP-IP
0.07
0.08
0.08

Performances avec des

rponses des capteurs
standardises et normalises (Zi)

Russite
92%
98%
98 %

RMSEP-IP
0.03
0.02
0.03

Lutilisation des rponses des capteurs standardises en sensibilit pour la modlisation

apporte une meilleure performance aux modles, ce qui confirme notre choix dutiliser que les
rponses normalises partir des rponses standardises en sensibilit dans la modlisation.

160

Chapitre III
5.1.2. Choix des variables
Le choix des variables contrle le taux des informations fournies au modle lors de sa
construction. Enrichir un modle avec des variables supplmentaires peut augmenter son taux
de russite, ou au contraire complexifier inutilement le modle. Le tableau 3-12 montre un
test de modlisation effectu sur la station de Nogent (priurbaine). Deux modles ont t
calculs, le premier en nutilisant que les rponses normalises des capteurs, le deuxime en
incluant les variables supplmentaires choisies qui sont : lhumidit relative de lair, lheure
du jour, et les jours ouvrs.
Tableau 3-12 : performances compares des modles calculs sur le site priurbain de Nogent.

Modles par cellule

Rseau
de
capteurs

Performances avec les rponses des

capteurs normalises seulement

Russite
Cellule 1
Cellule 2
Cellule 3

89 %
87%
85%

RMSEP-IP
0.16
0.2
0.12

Performances avec les variables

supplmentaires

Russite
90.5%
91%
89%

RMSEP-IP
0.03
0.013
0.014

Lajout de variables supplmentaires amliore nettement les taux de russite. Confirmant ainsi
lutilit denrichir les donnes dentres par ces 3 variables.
5.1.3. Seuils de catgorisation
Le choix des valeurs des seuils de catgorisation peut influencer les performances des
modles, et lappartenance une catgorie. Le tableau 3-13 suivant montre leffet de la
variation des seuils de catgorisation. Cet exemple de calcul est appliqu la station de
Nogent, en changeant les seuils hauts l1 et bas l2.
Les modles correspondant aux valeurs choisies initialement par dfaut (tableau 3-6), montrs
sur la premire ligne, prsentent les meilleures performances. En effet, le fait de varier les
seuils en diminuant le seuil bas (linf) ou augmentant le seuil haut (lsup) va largir ou rtrcir la

161

Chapitre III
zone floue dune catgorie mais les critres de performance restent sensiblement voisines sauf
pour la cellule 2 qui semble la plus sensible.
Tableau 3-13 : effet de la variation des seuils sur les critres de performance du modle.

Station

Nogent

NO
(g/m3)
linf lsup

NO2
(g/m3)
linf lsup

O3
(g/m3)
linf lsup

15
10
20

20
15
30

30
20
60

30
30
40

40
40
50

50
50
50

Cell1
Taux
russite
90.5%
92.5%
87%

RMSEPIP
0.03
0.03
0.03

Cell2
Taux
russite
91%
89%
86%

RMSEPIP
0.013
0.015
0.021

Cell3
Taux
russite
89%
86%
85%

RMSEPIP
0.014
0.019
0.019

Le choix des seuils est important pour avoir des rsultats riches en informations, mais il est
toutefois gure possible doptimiser les performances de prdiction en jouant sur les seuils.
Car il est possible la limite davoir des taux de succs de 100% (mais sur une seule
catgorie) en choisissant des seuils inf. et sup. respectivement petit et grand.

5.2.

Modles mono-cellule et mono-site, modles locales.

Aprs optimisation du choix des variables et des seuils, nous avons cherch comparer les
diffrences de performances entre les trois cellules, en ralisant un modle diffrent pour
chaque cellule ET chaque site, donc dans un premier temps sans chercher extrapoler. Le
tableau 3-14 montre les performances obtenues avec des modles calculs donc par cellule et
par station. Les valeurs montres dans ce tableau sont obtenues partir de donnes utilises
pour le test, ces performances sont ainsi obtenues sur des donnes considres comme
inconnues par rapport leurs modles.

162

Chapitre III
Tableau 3-14 : Performances des modles mono-cellules et mono-sites.
Cellule 1

Cellule 2

Cellule 3

Site

Type

Taux russite

RMSEP
IP

Taux russite

RMSEP
IP

Taux russite

RMSEP
IP

Creil

Urbaine

87%

0.04

90%

0.03

89%

0.05

Nogent

Priurbaine

90%

0.03

91%

0.01

89%

0.01

Saint-Amand

Priurbaine

89%

0.03

87%

0.03

88%

0.03

Valenciennes

Trafic

91%

0.02

90%

0.01

89%

0.02

Bthune

Urbaine

91%

0.03

98%

0.02

98%

0.03

Douai

Urbaine

91%

0.01

92%

0.01

93%

0.02

Durant ces modlisations, un rseau une seule couche cache contenant 4 neurones
(12-4-4) est optimal. Toutes les performances donnes dans les tableaux 3-9 3-14 sont
obtenues avec des rseaux 4 neurones cachs (12-4-4). Les performances des 3 cellules sont
proches les unes des autres. Nous dtaillons ces rsultats dans le cas de la cellule 3 pour le site
de Bthune dans la figure 3-30.
Les rponses des capteurs enregistres partir de la cellule 3 durant cette campagne
ont t utilises pour prdire les degrs dappartenances des catgories de pollution. Le
graphe A prsente les degrs dappartenance calculs partir des concentrations de polluants
tandis que le graphe B montre les valeurs prdites pour la troisime cellule. Ce modle calcul
un taux de russite de classification de 98% avec un RMSEP de lindice de pollution de 0.03
comme dj montr dans le tableau 3-14. La figure 3-31 montre les valeurs relles et prdites
dIP sur le mme site et la mme cellule.

163

Chapitre III

Trafic

Urbain

Photochimique

Test

Degr d'appartenance calcul partir des

concentrations

1.2

0.8

0.6
0.4
0.2

0
10/8/11 14:00

11/8/11 2:00

11/8/11 14:00

Trafic

12/8/11 2:00

Urbain

13/8/11 2:00

Photochimique

Test

1.2

Degr d'appartenance calcul partir des

rponses des capteurs

12/8/11 14:00

1.0
0.8
0.6

0.4
0.2
0.0
10/8/11 14:00 11/8/11 2:00 11/8/11 14:00 12/8/11 2:00 12/8/11 14:00 13/8/11 2:00
-0.2

Figure 3-30 : Catgories prdites partir des donnes de la 3eme cellule issue de la station de Bthune

Test

Figure 3-31 : Indice de pollution partir des donnes de la 3eme cellule issue de la station de Bthune compar
lindice prdit

164

Chapitre III

5.3.

Portabilit des modles

La portabilit dun modle consiste savoir dans quel domaine de validit le modle
donn peut tre utilis. Ainsi, une modlisation tant une opration longue et dlicate, il peut
tre intressant davoir un modle universel valable pour toutes les cellules. On peut de
mme envisager un modle valable sur plusieurs sites de mme catgorie ou de catgories
diffrentes.
5.3.1. Modles mono-cellule et inter-site
Nous avons test la portabilit des modles en utilisant un modle construit partir des
donnes dune cellule sur une station pour prdire les degrs dappartenances partir de la
mme cellule mais dans une autre station de mme type. Nous avons alors trouv quun
modle tabli partir des donnes recueillies sur une station nest pas capable de modliser
les donnes dautres stations, mme si cest une station de mme type. Par exemple le modle
calcul sur Nogent (priurbain) partir de la cellule 1 avec un taux de russite de
classification de 90 % avec RMSEP-IP = 0.03, en lappliquant sur le site de Saint Amand
(priurbain) nous obtiendrons une russite de classification de 25% et un RMSEP-IP = 0.1. La
figure 3-32 montre lcart de performance du modle calcul partir des donnes de la station
de Nogent et appliqu la station de Saint Amand.
Ce mauvais comportement montre limpossibilit dextrapolation dun modle mono-site sur
une station inconnue, chaque site ayant probablement des particularits. Un modle intersites
devra donc tre calcul partir dune base de donnes intgrant plusieurs sites, de diffrents
types.

165

Chapitre III

Degr d'appartenance calcul partir des

concentrations des polluants

Trafic

Photochimique

1.2

1
0.8
0.6
0.4
0.2

0
20/10/11 21/10/11 21/10/11 22/10/11 22/10/11 23/10/11 23/10/11 24/10/11 24/10/11
14:00
2:00
14:00
2:00
14:00
2:00
14:00
2:00
14:00
Trafic

Degr d'appartenance Prdite partir des

rponses des capteurs

Urbain

Urbain

Photochimique

4.0

3.5
3.0

2.5
2.0

1.5
1.0
0.5

0.0
20/10/11 21/10/11 21/10/11 22/10/11 22/10/11 23/10/11 23/10/11 24/10/11 24/10/11
14:00
2:00
14:00
2:00
14:00
2:00
14:00
2:00
14:00

Figure 3-32 : modle calcul sur Nogent et appliqu sur Saint Amant (cellule-1)

5.3.2. Modles mono-cellule et multi-site

Nous avons ainsi essay de dvelopper un modle capable de prendre en compte les
mesures et vnements des diffrentes stations. Ces modles sont toujours construits cellule
par cellule (modles mono-cellules). Les groupes dapprentissage et de validation ont t pris
partir de toutes les stations (de tous les types) excepte la station de Bthune dont les donnes
ont t utilises pour le test, donc ces donnes ne rentreront pas dans le calcul du modle.
Ainsi nous obtiendrons un modle construit partir de diffrentes stations et sera appliqu sur
une station inconnue. Le tableau 3-15 prsente les performances de ces modles face une
station inconnue (station de Bthune).
166

Chapitre III
Tableau 3-15 : Performance des modles multi-station en face d'une station inconnue (Bthune)

Cellule 1
Donnes
Bthune
(modle local tableau 3-14)
Bthune
(modle multistation)

Cellule 2

Cellule 3

Classification

RMSEP-IP

Classification

RMSEPIP

Classification

RMSEPIP

91%

0.03

98%

0.02

98%

0.03

86

0.09

84

0.06

86

0.08

Le taux de russite pour la station de Bthune est denviron 85% contre 91% 98% en
modle local . Nous remarquons aussi une lgre dgradation du RMSEP de lindice de
pollution, cependant ce rsultat reste satisfaisant.
Pour dvelopper des modles capables de prdire les catgories de pollutions sur des sites
inconnus, il faut disposer dune large base de donnes provenant des diffrents types de
stations mesures, y compris bien sr du type de la station inconnue, ce qui permet au modle
de reconnatre les particularits de ce type des stations. Cela se traduit alors par une plus
grande robustesse du modle (domaine de validit plus grand), mais bien sr des
performances moins leves que pour un modle spcifique un site.
5.3.3. Modles inter-cellules.
Nous avons vu quun modle calcul partir de donnes issues dun seul site est
difficilement capable de raliser la prdiction de bonne qualit sur dautres. Nous avons vu
quen largissant la base de donnes et en y incorporant les donnes de plusieurs sites nous
arrivons prdire, avec une erreur acceptable, des cas inconnus. Nous poursuivons cette
dmarche dextrapolation afin de modliser diffrentes cellules dans le but dobtenir un
modle valable pour toutes les cellules.
Nous avons alors tudi la faisabilit dun modle calcul sur deux cellules. Prenons
lexemple dun modle calcul sur la station de Creil (Urbain) en utilisant les donnes des
cellules 1 et 3. Ce modle calcul aboutit un taux de russite de classification de 85% sur
167

Chapitre III
ces deux cellules avec un RMSEP de 0.024. Ainsi un modle construit sur plusieurs cellules
sera capable de reconnaitre les diffrentes caractristiques de ces cellules. Par contre de ce
modle appliqu la cellule 2, ne prsente un taux de russite de classification que de 64%
avec un RMSEP de 0.3. Cela signifie :
- quun modle calcul sur plusieurs cellules arrive reconnaitre les particularits des
diffrentes cellules utilises lors de la construction, ce qui enrichit ce modle.
- que la performance obtenue en appliquant un modle calcul sur deux cellules vers une
cellule inconnue est nettement moins bon.
- nous remarquons nanmoins pour ce dernier cas un meilleur comportement quavec un
modle mono-cellule calcul partir une cellule et appliqu sur une autre inconnue .
La figure 3-33 montre un bilan de telles modlisations. Un exemple dune telle dmarche
est prsent dans le tableau 3-16.

modlisation

Modlisation
par cellule

Modlisation
par cellule

Prdiction
Prdiction sur la
mme cellule

Cell 1

Cell 1

Cell 1

Cell 2

OK
Prdiction sur une
cellule inconnue

OK
Modlisation
multi cellule

Prdiction sur une

cellule inconnue

Cell 1
Cell 3
Cell 2

OK

Performances moins
bonne que le premier cas

Figure 3-33 : Bilan des performances de diffrentes modles inter-cellules.

168

Chapitre III
Nous considrons quune prdiction est satisfaisante (prsent comme OK sur la figure 3-33)
quand les taux de russite dpassent 80% pour le groupe de test, et que tous les catgories soit
prdites avec un taux de russite au moins gale 70%. Nous trouvons aussi quun RMSEPIP dpassant 0,3 est insatisfaisant.
Tableau 3-16 : Exemple des performances des modles inter cellules calcules sur la station de Nogent (priurbaine).

Modle
Cellule 1
Cellule 2
Cellule 3
Cellule 1
Cellule 1+2
Cellule 1+ 2

Prdiction
Cellule 1
Cellule 2
Cellule 3
Cellule 2
Cellule 1+2
Cellule3

Taux de russite
90%
91%
89%
48%
83%
72%

RMSEP-IP
0.03
0.01
0.01
0.2
0.06
0.1

La non reproductibilit de la rponse des capteurs nuit aux performances des modles
sur des cellules inconnues. Mme aprs avoir effectu une standardisation des sensibilits des
capteurs, sense corriger ce problme, le problme est attnu mais subsiste. Nous avons
effectivement vu dans le chapitre II que la standardisation des sensibilits nest pas parfaite
puisquelle ne porte que sur un seul gaz cible.
Nanmoins, lutilisation de plusieurs cellules lors de la modlisation permet au modle
de reconnaitre diffrentes situations, et de tenir compte partiellement de cette non
reproductibilit des modles. Ainsi un modle calcul sur plusieurs cellules est toujours mieux
adapt lapplication des cellules inconnues quun modle calcul sur une seule cellule.
Comme dj vu pour le cas inter-sites, nous avons montr que plus la base de donnes dun
modle est riche, et plus ce dernier sera capable de modliser des cas inconnus et sera donc
universel, mais au prix de performances moins bonnes que celles dun modle plus spcifique.
Nous pouvons donc conclure quun modle calcul base de rseaux de neurones ne peut
pas modliser des situations inconnues (extrapolation).

169

Chapitre III

5.4.

Amlioration du critre de performance

Le calcul du taux de russite de classification, tel quil a t calcul ici, est effectu sur
lensemble des donnes, y compris celles qui prsentent un indice de pollution faible. Pour
ces donnes, les faibles valeurs de concentration peuvent introduire une erreur de
classification en raison de la confusion possible entre les diffrentes catgories de pollution,
alors que cette dernire est quasiment inexistante. Par consquent, si nous considrons comme
succs toute classification ds lors que lIP (calcul et rel) correspondant est au-dessous dun
seuil fix, il est possible dviter cette confusion. Cela est quivalent rtablir
automatiquement la catgorie F = Faible pollution voque plus haut, ds que lIP est
faible. Le tableau 3-17 reprend lexemple du modle calcul sur toutes les stations et prsent
dans la partie 5.3.2., nous montrons dans ce tableau les performances totales incluant la partie
test sur Bthune de ce modle en variant le seuil de IP.
Tableau 3-17 : le taux de prdiction du modle selon le seuil d'IP choisi.

Cellule 1
Cellule 2
Cellule 3

IP 0
80%
82%
82%

IP 1
83%
83%
82.1%

IP 2
97%
95%
91%

IP 3
99%
98%
98%

IP 4
100%
100%
100%

IP 5
100%
100%
100%

Si on incorpore les donnes ayant une basse IP dans le calcul du taux de classification,
la catgorie de pollution identifie risque dtre facilement confondue avec un autre type de
pollution. A loppos, un seuil trop lev limine toute classification. L encore, le choix de
ce seuil est un compromis relativement arbitraire entre performance apparente et richesse de
linformation obtenue. Par contre avec lindice IP>=2 nos rsultats sont nettement amliores.

170

Chapitre III

5.5.

Sensibilit des modles aux variables

La sensibilit des modles aux variables est un indicateur montrant limportance des Xvariables, et donc notamment des capteurs lors de la modlisation. Cet indicateur de
sensibilit est automatiquement calcul par Statistica lors de la construction dun modle.
Au cours des modlisations sur les stations urbaine et priurbaine, les capteurs MICS2611
et MICS2710 ddis la dtection des gaz oxydants prsentent les sensibilits les plus leves
(4.7 et 3.8 respectivement) et les variables de lheure du jour et des jours ouvrs prsentent les
sensibilits les plus basses (1.02 et 0.98) comme le montre la figure 3-34.

Sensibilit au variable

Site urbain
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0

Figure 3-34 : Sensibilit du modle aux variables, exemple dun modle calcul sur un site urbain.

Par contre, dans les stations trafic, les capteurs ddis la dtection des COV comme le
TGS2602 et le MICS5521 prsentent des valeurs de sensibilits les plus leves (3,7 et 2,2
respectivement) tandis que les variables de lheure de jour et MICS2611 montrent les valeurs
les plus basses (0,98 et 0,89). Ce qui implique que dans une station trafic, la variable des jours
ouvrs apporte aux modles plus dinformation que le capteur dO3 MICS2611 (sans doute
cause de labsence dozone) comme montre la figure 3-35.

171

Chapitre III

Sensibilit

Site Trafic
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0

Figure 3-35 : Sensibilit du modle aux variables, exemple dun modle calcul sur un site trafic.

Pour un modle calcul sur plusieurs stations, toutes les variables possdent des valeurs
proches les unes des autres avec une diffrence de 0,05 entre la 1re et la dernire sensibilit.
Ce qui indique limportance de prendre en compte toutes les variables que nous avons dcid
dinclure comme donnes dentre pour obtenir un modle universelle.

5.6.

Validit des prdictions

Un des aspects ngatifs dune modlisation base de rseaux de neurones, est la non
capacit des modles dtecter des vnements inconnus, comme la prsence dun type
inconnu de pollution, la prsence dinterfrent gazeux, ou la dfaillance dun capteur. De tels
cas se traduiront toujours par des rsultats a priori crdibles en phase de prdiction, et les
anomalies ne seront donc pas dtectes.
Une solution propose est lutilisation des rsidus, ce qui est possible avec les mthodes
de type PLS. Le rsidu (en fait, la moyenne quadratique des rsidus des X-variables) sur les
variables dentres dun modle est le taux dinformations non utilises durant une prdiction.
Une valeur forte de rsidu indique une quantit leve dinformations non utilise par le
modle au cours de la prdiction, ce qui est anormal. La suspicion de prsence dun

172

Chapitre III
vnement anormal permet alors dinvalider la mesure. Mais les rseaux de neurones, choisis
car plus performants que le PLS, ne permettent pas une telle dmarche. Nous avons donc
dvelopp, en complment du rseau de neurone utilis pour la prdiction, des modles PLS
utiliss uniquement pour lexamen des rsidus, conjointement au modle ANN.
Nous reprenons lexemple montr dans la partie 3.2. de ce chapitre sur les donnes des
capteurs (figure 3-12). Les points aberrants limins avant le traitement des donnes
contiennent des informations sur la prsence de polluants ou de pollutions inconnues au
systme (probablement passage dun vhicule proximit de la station de mesure), ces points
seront un bon cas pour tester la non validit dune prdiction.
Un modle PLS a t construit sur les valeurs traites et filtres en retirant les points
aberrants. Les rsidus sont faibles sur les donnes moyennes, et majoritairement compris
entre -5 et +5. Lorsque ce modle a t appliqu aux donnes non moyennes, nous observons
que ce rsidu a augment de faon importante dpassant parfois la valeur de 40. La figure 336 montre les rponses brutes des capteurs en conductance. Ainsi que le carr du rsidu
calcul sur ces donnes brutes. Nous pouvons ainsi corrler les pics prsents dans le rsidu
aux pics prsents sur les rponses des capteurs. Ces pics proviennent dvnements anormaux
au voisinage de la station, comme le passage de vhicules ou encore les missions de
dchteries voisines de la station de Saint Amand. Nous pouvons ainsi fixer un seuil de ce
rsidu au-del duquel nous pouvons supposer que la prdiction risque dtre fausse (car on est
en prsence non survenu lors de lapprentissage), et donc invalider la mesure.

173

Chapitre III
7.0E-05

100
80

6.0E-05
60
5.0E-05

MICS5914

40

4.0E-05
6

MICS5525
Rsidus

Conductance (G)

MICS2611
20

MICS5521
TGS2620
MICS5914

TGS2600

5
3.0E-05

-20

MICS2611

MICS2710

MICS5525

-40

2.0E-05

TGS2611

MICS5521

TGS2602

TGS2620

-60
2

1.0E-05

Rsidus

TGS2600

MICS2710

-80

CO2
TGS2611

0.0E+00
0
13/10/11
13/10/11
14:00
13:45

-100
14/10/11
14/10/11
2:00
1:46

14/10/11
14/10/11
14:00
13:48

15/10/11
15/10/11
2:00
1:49

15/10/11
15/10/11
14:00
13:51

16/10/11
16/10/11
2:00
1:52

16/10/11
16/10/11
14:00
13:54

17/10/11
2:00
1:55

17/10/11
14:00
13:57

18/10/11
2:00
1:58

18/10/11
14:00

TGS2602

Figure 3-36 : variation de la conductance des capteurs (chelle de gauche) et rsidu calcul (en noir, chelle de droite).

Nous avons aussi simul une panne dun capteur et tudi le comportement des rsidus
aprs cette panne. Nous avons choisi le capteur Mics2611, et avons forc sa rsistance
linfini (simulant ainsi une rupture du capteur ou de sa rsistance de chauffage), avec les
mmes donnes que prcdemment. La figure 3-37 montre la variation des rsidus calculs
avant le dbut de la panne du capteur et aprs. Nous remarquons alors que les valeurs des
rsidus ont chang et passent largement et durablement au-del de 5. Nous pouvons donc ici
aussi introduire un seuil de rsidus permettant dinvalider la mesure.

174

80

6.0E-05
60

Chapitre III
5.0E-05

Rsidus (capteur en panne)

4.0E-05
90
6

MICS26
20

Panne introduite
0

70

3.0E-055
60

50
40

-40

MICS27

TGS261

MICS5521

TGS260

-60

1.0E-05
20
1

MICS2611

TGS2620

10

TGS262

MICS5914

MICS5525

30

MICS55

TGS260

-20

2.0E-05

MICS55
Rsidus

Conductance (G)
Valeur du rsidus

Rsidus
80

MICS59

40

Rsidus

TGS2600

MICS2710

-80

0
0.0E+00
-100
0
13/10/11
14/10/11
16/10/11
17/10/11
13/10/11
14/10/11
15/10/11
15/10/11 16/10/11
16/10/1117/10/11
17/10/11 17/10/11
18/10/1118/10/11
18/10/11
13/10/11 14/10/11
14/10/11 14/10/11
14/10/11
15/10/11 15/10/11
14:00
2:00
14:0023:09
2:00
14:00
2:00 8:3313:54
14:00
2:00
14:00
13:45
1:46
1:49
13:51
1:52
1:55
13:57
1:58 10:39
14:00
13:45
6:27 13:48
15:51
1:15
17:572:00

Figure 3-37 : Variation des rsidus avant et aprs l'introduction de la panne.

6. Conclusion du chapitre
La dtection de la pollution atmosphrique laide des rseaux de capteurs a t tudie
dans ce chapitre. Une approche novatrice associant une analyse qualitative puis une analyse
semi-quantitative a t adopte. Pour atteindre, cet objectif, les concentrations des polluants
dans lair issues des stations de mesures des AASQA (Associations Agres de Surveillance de
la Qualit de lAir) ont t tudies et traites afin de permettre une catgorisation adquate
des pollutions et en particulier afin de dfinir les seuils des concentrations de polluants
dfinissant les diverses catgories de pollution. Les catgories dfinies sont trafic ,
urbain , et photochimique , un indice de pollution a t galement introduit en se basant
sur lindice ATMO, cet indice peut indiquer la svrit de la pollution prpondrante. Ces
catgories et cet indice ont t compars avec les rponses des capteurs des rseaux des
capteurs de gaz pour classer et identifier les pollutions de lair.
Des modles de comportement bass sur lutilisation des rseaux de neurones ont t
calculs base, ils permettent de classer les diffrentes catgories de pollution en indiquant le
175

CO2
TGS2611
TGS2602

Chapitre III
type et lindice de la pollution prpondrante. Nous avons galement tudi la possibilit
dtablir des modles universels pouvant soit tre utiliss pour lexploitation des donnes de
diffrent rseaux de capteurs ou pour lanalyse des donnes obtenues sur diffrents sites sans
apprentissage pralable spcifique au rseau de capteur ou au site dtude. Les rsultats
obtenus ont alors mis en vidence une diminution des performances des modles. Nous avons
galement mis en vidence quil est possible de capables de dtecter des anomalies, soit de
pollution, soit de comportement du rseau de capteurs, et alors dinvalider la prdiction.
Remarquons enfin que les sites dtude ayant permis de tester nos modlisations et
prdictions taient caractrises par des niveaux de pollution relativement faibles, et que les
seuils fixs et les modles raliss ne seront pas forcement adquat pour des sites plus pollus.
En conclusion, il apparat donc que nous sommes en mesure de raliser des prdictions
correctes mme avec de faibles concentrations de polluants, ce qui ntait priori pas vident
au vu des gammes de concentrations spcifies par les fabricants des capteurs.

176

Conclusion gnrale

Conclusion gnrale
Lobjectif de ce travail tait dtudier la possibilit de dvelopper des systmes
portables, low-cost, et autonomes pour la dtection et la classification de diffrents types et
niveaux de pollutions atmosphriques. Nous avons dmontr que lutilisation de capteurs de
gaz base de matriaux semi-conducteurs tait adapte cette problmatique. Neuf (9)
capteurs commerciaux ont ainsi t slectionns, tests et talonns dans le laboratoire sous
diffrents gaz prsents naturellement dans un site pollu (CO, NO2, CH4, thanol, tolune,
H2S, NH3). Les capteurs utiliss ont prsent des rponses suffisamment intressantes pour
tre exploites pour lapplication vise, bien que les concentrations des gaz gnres sur nos
bancs soient trs basses en comparaison avec les gammes de dtections annonces par les
constructeurs. Les inconvnients habituellement rencontrs avec ces outils de mesure, tels que
la drive des rponses au cours du temps, les problmes de rptabilit dun capteur lautre
ou de reproductibilit dun systme lautre peuvent tre soit corrigs, soit fortement attnus
laide de mthodes de normalisation et de standardisation adaptes. Comme cela a t
dmontr depuis la naissance des systmes multi-capteurs, nous avons su tirer parti de la
slectivit partielle de ces capteurs pour la retourner lavantage des systmes dvelopps

177

Conclusion gnrale
grce lanalyse multi-variables. Cette approche a permis didentifier des formes rptables
dans les rponses des capteurs mis en uvre dans les trois systmes dvelopps.
Jusqu prsent, les travaux de recherche portant sur lutilisation de rseaux des
capteurs pour la dtection despces gazeuses avaient t mens en laboratoire, avec des
gnrations de gaz synthtiques loin de la complexit dune matrice despces diverses et
varies impliques dans une pollution atmosphrique relle. Nous avons donc dcid de
confronter les systmes conus durant cette thse des situations de pollution atmosphrique
relle. Toutefois, la phase de mesures et tests en laboratoire sest avre indispensable pour la
bonne comprhension du comportement des capteurs et dfinir une procdure dutilisation
optimale sur le terrain. Un dveloppement technologique consquent a t entrepris pour
concevoir et raliser trois cellules de mesure identiques avec capteurs et lectroniques
associes. Plusieurs campagnes de tests et de calibrage effectues au laboratoire ont permis de
valider le fonctionnement et la reproductibilit des cellules avant leur utilisation en sites rels
de surveillance de la qualit de lair.
La deuxime partie de ce travail de thse a donc consist implmenter les trois
systmes multi-capteurs dvelopps sur des sites sur lesquels la mesure dun certain nombre
de polluants rglements est assur par les AASQA afin denregistrer les rponses des
capteurs sous diffrents types de pollution. Un historique dun an de donnes des
concentrations des polluants mesurs par les analyseurs des stations a t tudi pour chaque
site. Cet historique a permis de dfinir 3 catgories de pollution (trafic, photochimique et
urbain) partir des formes journalires, hebdomadaires, et saisonnires de concentrations en
polluants rglements (NO, NO2 et O3). Ces catgories ont servi de base de travail pour
dfinir un modle capable de prdire la catgorie de la pollution partir de la rponse seule
des capteurs. Or lutilisation dune catgorisation provoque des problmes de classification
comme leffet de seuil. Nous avons donc dvelopp une nouvelle approche de type logique
178

Conclusion gnrale
floue dans laquelle nous traduirons les catgories de pollution en termes de degrs
dappartenances. Cette approche permet dobtenir de bonnes performances de classification
avec des taux de russite de classification qui dpassent la plupart du temps 90%. Cependant
cette mthode de prdiction reste purement catgorielle et napporte aucune information
quantitative concernant le degr de pollution. Nous avons alors introduit une notion
quantitative la catgorisation des types de pollution en crant un Indice de Pollution (IP)
sinspirant de lindice Atmo utilis par les AASQA. Les nouveaux modles ainsi dvelopps
ont montr un taux lev de russite (>90%) avec une faible erreur concernant la prdiction
(faible RMSEP) de cet indice IP.
Nous avons par ailleurs montr que ces modles de prdiction pouvaient avoir une
portabilit inter-sites ou inter-rseau de capteurs, mais au prix de performances sensiblement
moins bonnes. Lamlioration de la portabilit des systmes reste dpendante des
performances des capteurs, en particulier de leurs drives dans le temps et des calibrages sous
air zro doivent tre rgulirement effectus, ce qui est un peu en contradiction avec
lobjectif initial de systme portable et autonome. Cest un point important qui conditionne la
finalisation dventuels transferts de technologies, et qui doit tre pris en compte pour les
futures recherches mettre en place.
En ce qui concerne lanalyse des donnes, il ressort que lutilisation des rseaux de
neurones est prfrable aux autres mthodes multi-variables car ils permettent de prendre en
compte la non linarit des capteurs et des catgories dfinies laide de la logique floue. Par
contre lavantage dautres mthodes comme les PCA et les PLS par rapport aux rseaux de
neurones est davoir une information sur le rsidu de prdiction et donc sur la fiabilit de la
prdiction, nous avons alors montr que nous pouvons utiliser conjointement un rseau de
neurones pour la classification / prdiction, et un examen des rsidus issu de PLS afin de
valider ou invalider cette prdiction.
179

Conclusion gnrale
En conclusion, nous avons montr dans ce travail la faisabilit dun suivi certes non
rglementaire mais nanmoins relativement performant de la pollution atmosphrique par des
systmes de mesures multi-capteurs base des capteurs de gaz semi-conducteurs grce
lutilisation des mthodes multi-variables comme les rseaux de neurones. Nous avons dj
franchi une tape avec lutilisation de capteurs commerciaux par rapport des systmes
intgrants des capteurs de type laboratoire . Les futurs transferts de technologies rclament
cependant encore une amlioration des performances des capteurs tant au niveau de leurs
reproductibilits que de leurs drives. Notre tude dmontre que de tels systmes multicapteurs peuvent certainement tre utiliss dans un avenir trs proche pour le suivi de qualit
de lair extrieur ainsi que probablement de lair intrieur. Ces systmes pourraient aussi tre
utiliss pour lidentification de sources industrielles dans des sites rcepteurs o cette
identification est parfois dlicate. Lutilisation de tels systmes multi-capteurs intgrant des
capteurs pourrait identifier des signatures spcifiques des diffrentes sources industrielles
impactant potentiellement un site, ainsi de permettre lattribution dun indice de pollution
ces source.

180

Bibliographie

Bibliographie
ADEME Classification et crires d'implantation des stations de surveillance de la qualit de
l'air [Rapport]. - Paris : ADEME Editions, 2002.
Aleixandre M. [et al.] Analysis of neutral networks and analysis of feature selection with
genetic algorithm to discriminate among pollutant gas. [Revue] // Sensors and Actuators B. 2004. - Vol. 103. - pp. 122-128.
Althainz P. [et al.] Multisensor microsystem for contaminants in air [Revue] // Sensors and
Actuators B 33. - 1996. - Vol. 33. - pp. 72-76.
Ampuero S. et Bosset J.O. The electronic nose applied to dairy products: a review [Revue] //
Sensors and Actuators B. - 2003. - Vol. 94. - pp. 1-12.
Anderson H.R. Air pollution and mortality: A history [Revue] // Atmospheric Environment. 2009. - Vol. 43. - p. 142.
Arqus P. La Pollution de l'air [Ouvrage]. - [s.l.] : Edisud, 1998.
Ash G. Les capteurs en instrumentation industrielle [Ouvrage]. - Paris : DUNOD, 2006.
Bitter F., Mller B. et Mller D. Estimation of odour intensity of indoor air pollutants from
building materials with a multi-gas sensor system [Revue] // Building and Environment. 2010. - Vol. 45. - pp. 197-204.
181

Bibliographie
Brasan N. et Tomescu A. Calibration procedure for SnO2 based gas sensors [Revue] // Thin
Solid Films. - 1995. - Vol. 259. - pp. 91-95.
Breuil P. Analyses multivariables pour systmes multi-capteurs [Section] // Les capteurs
chimiques. - 1997.
Breuil P. Elaboration de couches minces de dioxyde d'tain sensible l'acction des gaz.
Prformances lectriques et mecanismes ractionnels. (Thse). - [s.l.] : IPN Grenoble et
ENSM Saint Etienne, 1989.
Brezmes J. [et al.] Neural network based electronic nose for the classification of aromatic
species [Revue] // Analytica Chimica ACTA . - 1997. - Vol. 348. - pp. 503-509.
Brudzewski K. [et al.] Chiral behavior of TGS gas sensors: Discrimination of the
enanitiomers by the electronic nose. [Revue] // Sensors and Actuators B . - 2007. - Vol. 122. pp. 493-502.
Bruno L. Elaboration et caractrisation de couches minces de dioxyde d'tain obtenues par
dpot chimique en phase vapeur (CVD). Relation entre les proprits structurales et
lectriques. Application la dtection de gaz. (thse). - [s.l.] : IPN Grenoble et ENSM Saint
Etienne, 1994.
C.E. COUNCIL DIRECTIVE of 15 July 1980 on air quality limit values and guide values for
sulphur dioxide and suspended particulates. - [s.l.] : European Commision, 15 July 1980.
C.E. COUNCIL DIRECTIVE of 3 December 1982 on a limit value for lead in the air. - [s.l.] :
European Commision, 3 December 1982.
C.E. COUNCIL DIRECTIVE of 7 March 1985 on air quality standards for nitrogen dioxide. [s.l.] : European Commision, 7 March 1985.
C.E. Directive 1999/30/CE DU CONSEIL du 22 avril 1999 relative la fixation de valeurs
limites pour l'anydride sulfureux, le dioxyde d'azote et les oxydes d'azote, les particules et le
plomb dans l'air ambiant. - [s.l.] : Conseil Europen, 1999.
C.E. DIRECTIVE 2000/69/CE DU PARLEMENT EUROPEEN ET DU CONSEIL du 16
novembre 2000 concernant les valeurs limites pour le benzne et le monoxyde de carbone
dans l'air ambiant.. - [s.l.] : Conseil Europen, 2000.

182

Bibliographie
C.E. DIRECTIVE 2002/3/CE DU PARLEMENT EUROPEEN ET DU CONSEIL du 12
fvrier 2002 relative l'ozone dans l'air ambiant. - [s.l.] : Conseil Europen, 2002.
C.E. DIRECTIVE 2004/107/CE DU PARLEMENT EUROPEEN ET DU CONSEIL DE 15
dcembre 2004 concernant l'arsenic, le cadium, le mercure, le nickel et les hydrocarbures
aromatiques polycycliques dans l'air ambiant. - [s.l.] : Conseil Europen, 2004. - pp. 23/3 23/16.
C.E. DIRECTIVE 2008/50/CE DU PARLEMENT EUROPEN ET DU CONSEIL du 21
mai 2008 concernant la qualit de lair ambiant et un air pur pour lEurope. - [s.l.] : Conseil
Europen, 2008. - pp. 152/1 - 152/44.
C.E. DIRECTIVE 92/72/CEE DU CONSEIL du 21 septembre 1992 concenrnant la pollution
de l'air par l'ozone. - [s.l.] : Conseil Europen, 1992. - pp. 297/1 - 297/7.
Cai J. et Levy D.C. Using stationary electronic noses network to locate dynamic odour
source position [Confrence] // International conference on integration technology. Shenzhen,China : IEEE, 2007. - pp. 793-798.
Capone S. [et al.] Analysis of vapours and foods by means of an electronic nose based on a
sol-gel metal oxide sensors array [Revue] // Sensors and Actuators B . - 2000. - Vol. 69. - pp.
230-235.
Cevoli C. [et al.] Classification of Pecorino cheeses using electronic nose combined with
artificial neural network and comparison with GC-MS analysis of volatile compounds.
[Revue] // Food chemistry. - 2011. - Vol. 129. - pp. 1315-1319.
Chaiboun A. [et al.] A logarithmic multiparameter model using gas sensor main and cross
sensitivities to estimate gas concentrations in a gas for SnO2 gas sensors [Revue] // Sensors
and Actuators B . - 2007. - Vol. 123. - pp. 1064-1070.
De Vito S. [et al.] CO, NO2 and NOx urban pollution monitoring with on field calibrated
electronic nose by automatic bayesian regulation. [Revue] // Sensors and Actuators B. 2009. - Vol. 143. - pp. 182-191.
Debliquy M. Capteurs chimiques [Revue] // Technique de l'ingnieur. - 2010. - R420.

183

Bibliographie
Delpha C., Siadat M. et Lumbreras M. Humidity dependence of a TGS gas sensor array in
an air-conditioned atmosphere [Revue] // Sensors and Actuators B. - 1999. - Vol. 59. - pp.
255-259.
Dimo I. [et al.] Studying the sensitivity of pollutants' concentrations caused by variations of
chemical rates [Revue] // Journal of Computational and Applied Mathematics. - 2010. - Vol.
235. - pp. 391-402.
El Yamani M. Environnements et milieux [Rapport]. - 2006.
Flitti F. [et al.] Drift invariant Gas Recognition Technique For On Chip Tin Oxide Gas
Sensor array [Confrence] // 4th IEEE International Symposium on Electronic Design, Test &
Applications. - 2008.
FNORS Sant et environnement dans les rgions de France [Rapport]. - [s.l.] : Ministre de la
sant, de la Jeunesse, des Sports et de la vie associative, Septembre 2008.
Fort A. [et al.] Modeling of the influence of H2O on metal oxide sensor response to CO.
[Revue] // Sensors and Actuators B. - 2011. - Vol. 159. - pp. 82-91.
Fu J. [et al.] A pattern recognition method for electronic noses based on an olfactory neural
network [Revue] // Sensors and Actuators B. - 2007. - Vol. 125. - pp. 489-497.
Garcia M. [et al.] Electronic nose for wine discrimination [Revue] // Sensors and Actuators
B . - 2006. - Vol. 113. - pp. 911-916.
Gardner H., Shurmera V. et Julian W. Odour discrimination with an electronic nose
[Revue] // Sensors and Actuators B: Chemical. - 1992. - Vol. 8. - pp. 1-11.
Gardner J.W. et Barlett P.N. Electronic noses, principles and applications. [Ouvrage]. [s.l.] : Oxford university press, 1999.
Getino J. [et al.] Environmental applications of gas sensor arrays : combustion atmospheres
and contaminated soils [Revue] // Sensors and Actuators B. - 1999. - Vol. 59. - pp. 249-254.
Getino J. [et al.] Environmental applications of gas sensor arrays: Combustion atmospheres
and contaminated soils [Revue] // Sensors and Actuators B. - 1999. - Vol. 59. - pp. 249-254.
Haddi Z. [et al.] A portable electronic nose system for the identification of cannabis-based
drugs [Revue] // Sensors and Actuators B. - 2011. - Vol. 155. - pp. 456-463.
184

Bibliographie
Hadfield L. et Seaton R.A.F. A co-evolutionalry model of change in enviromental
management. [Revue] // Futures. - 1999. - Vol. 31. - pp. 577-592.
Hai Z. et Wang J. Electronic nose and data analysis for detection of maize oil adulteration in
sesame oil [Revue] // Sensors and Actuators B. - 2006. - Vol. 119. - pp. 449-455.
Hartman J.D. A possible objective methode for rapid estimation of flavors in vegetables.
[Revue] // Proc. Am. Soc. Hort. SCI 64. - 1954. - p. 335.
Helli O., Siadat M. et Lumberas M. Qualitative and quantitative identification of H2S/NO2
gaseous components in diffrent reference atmospheres using metal oxide sensor array
[Revue] // Sensors and Actuators B. - 2004. - Vol. 103. - pp. 403-408.
Hines E.L., Llobet E. et Gardner J.W. Electronic noses: a review of signal processing
techniques [Revue] // Circuits, Devices and Systems, IEE Proceedings. - 1999. - Vol. 146. pp. 297-310.
Holmberg M. [et al.] Identification of paper quality using a hybrid electronic nose [Revue] //
Sensors and Actuators B. - 1995. - Vol. 26-27. - pp. 246-249.
Houdret J.L., Mace T. et Jean P. Rglementation et normalisation [Rapport]. - [s.l.] :
LCSQA, 2008.
Hunter L.J., Johnson G.T. et Watson I.D. An investigation of three-dimensional
characteristics of flow regimes within the urban canyon [Revue] // Atmospheric Environment
Part B : Urban Atmosphere. - 1992. - Vol. 26 B. - pp. 425-432.
Jaffrezic-Renault N., Martelet C. et Clechet P. Capteurs chimiques et biochimiques
[Revue] // Techniques de l'ingnieur. - 1994. - R420.
Johnsons W.B. [et al.] An urban diffusion simulation model of carbon monoxide [Revue] //
Journal of Air Pollution Controlling association. - 1973. - Vol. 23. - pp. 490-498.
Kamionak M., Breuil P. et Pijolat C. Atmospheric pollution measurements with a multimaterials sensing device [Revue] // Materials Science and Engineering C. - 2006. - Vol. 26. pp. 290-296.

185

Bibliographie
Kamionka M. Dveloppement de systmes multicapteurs et multivariables pour la mesure en
continue de polluants atmosphriques. (Thse) // Thse, ENSM Saint-Etienne. - Saint
Etienne : [s.n.], 2005.
Kamionka M., Breuil P. et Pijolat C. Calibration of a multivariate gas sensing device for
atmospheric pollution measurement. [Revue] // Sensors and Actuatore B. - 2006. - Vol. 118. pp. 323-327.
Kdderitzsch P. [et al.] Sensor array based measurement technique for fast-responding
cigarette smoke analysis [Revue] // Sensors and Actuators B . - 2005. - Vol. 107. - pp. 479489.
Koga M. [et al.] Determination of ppt levels of atmospheric volatile organic compounds in
Yakushima, a remote south-west island of Japan [Revue] // Microchemical Journal. - 2001. Vol. 68. - pp. 257-264.
Korotcenkov G. et Cho B.K. Instability of metal oxide-based conductometric gas sensors
and approaches to stability improvement (short survey) [Revue] // Sensors and Actuator B. 2011. - Vol. 156. - pp. 527-538.
Kulkarni N. et Grigg J. Effect of air pollution on children [Confrence] // Symposium:
social paediatrics. - [s.l.] : Elsevier, 2008. - pp. 238-243.
Kuske M. [et al.] Fuzzy k-NN applied to moulds detection [Revue] // Sensors and Actuators
B. - 2005. - Vol. 106. - pp. 52-60.
Lalauze R. Interaction gaz-solide [Ouvrage]. - [s.l.] : CMC2, 1997. - pp. 28-38.
Le Cloirec P. COV (Composs organiques volatis) [Revue] // Techniques de l'ingnieur. 2004. - G 1 835.
Lee D. [et al.] Recognition of volatile organic compounds using SnO2 sensor array and
pattern recognition analysis [Revue] // Sensors and Actuators B. - 2001. - Vol. 77. - pp. 228236.
Liu W.T. [et al.] Diagnosis of air quality through observation and modelling of volatile
organic compounds (VOCs) as pollution tracers [Revue] // Atmospheric Environment. 2012. - Vol. 55. - pp. 56-63.

186

Bibliographie
Llop S. et Ballester F. Ambient air pollution and annoyance responses from pregnant women
[Revue] // Atmospheric Environment. - 2008. - Vol. 42. - pp. 2982-2992.
Lozano J. [et al.] Electronic nose for wine ageing detection [Revue] // Sensors and Actuators
B. - 2008. - Vol. 133. - pp. 180-186.
Ma Y. [et al.] Air Pollution Monitoring and Mining Based on Sensor Grid in London
[Revue] // Sensors. - 2008. - pp. 3601-3623.
Martin M., Santos J. et Agapito J. Application of artificial neural networks to calculate the
partial gas concentrations in a mixture [Revue] // Sensors and Actuators B 77. - 2001. - pp.
468-471.
Math F. et Houdret J.L. Surveillance de la qualit de l'ai: le disoisitif franais [Revue] //
Techniques de l'ingnieur. - 2009. - G 1 632.
Math F. Evolution de la classification et des critres d'implantation des stations de mesure
de la qualit de l'air - Participation la reactualisation du guide de classification des stations
[Rapport]. - [s.l.] : Laboratoire Central de Surveillance de la Qualit de l'Air (LCSQA), 2010.
Mayer H. Air pollution in cities [Revue] // Atmospheric Environment. - 1999. - Vol. 33. - pp.
4029-4037.
Menil F. Capteurs lectrolyte solide [Ouvrage]. - [s.l.] : Lavoisier, 2008.
Mielle P. et Marquis F. One-sensor electronic olfactometer for rapid sorting of fresh fruit
juices [Revue] // Sensors and Actuators B. - 2001. - Vol. 76. - pp. 470-476.
Ministre du dveloppement durable La rglementation en matire de qualit de lair [En
ligne]. - 12 janvier 2010. - http://www.developpement-durable.gouv.fr/La-reglementation-enmatiere-de.html.
Monk P.S. [et al.] Atmosphric composition change: global and regional air quality
[Revue] // Atmospheric environment Vol.43. - 2009.
Montmat P. Role d'lements mtalliqies sir les mcanismes de dtection d'un capteur de gaz
base de dioxyde d'tain. Application l'amlioration de la slectivit l'aide d'une
membrane de platine. - [s.l.] : ENSM Saint-Etienne, 2002.

187

Bibliographie
Morvan M. [et al.] Electronic-nose systems for control quality applications in automotive
industry [Revue] // Sensors and Actuators B 69. - 2000. - pp. 384-388.
Munz P. [et al.] WHEN ZOMBIES ATTACK!: MATHEMATICAL MODELLING OF AN
OUTBREAK OF ZOMBIE INFECTION [Revue] // Infectious Disease Modelling Research
Progress. - 2009. - pp. 133-150.
Nakata S., Ozaki E. et Ojima N. Gas sensing based on the dynamic nonlinear responses of a
semiconductor gas sensor: dependence on the range and frequency of a cyclic temperature
change [Revue] // Analytica Chimica Acta 361. - 1998. - pp. 93-100.
Nake A. [et al.] Outdoor in situ monitoring of volatile emissions from wastewater treatment
plants with two portable technologies of electronic noses [Revue] // Sensors and Actuators B
106. - 2005. - Vol. 106. - pp. 36-39.
Natale C. Di, Davide F. et A.D'Amico Patter recognition in gas sensing: well-stated
techniques and advances [Revue] // Sensors and Actuators B 23. - 1995. - pp. 111-118.
Negri R.M. et Reich S. Identification of pollutant gases and its concentrations with a
multisensor array [Revue] // Sensors and Actuators B. - 2001. - Vol. 75. - pp. 172-178.
Ngo K.A. Etude d'un systme multicapteur pour la dtection slective des gaz. (thse). Marseille : Universit Cezanne, 2006.
Nicolas J., Craffe F. et Romain A.C. Estimation of odor emission rate from landfill areas
using the sniffing team method [Revue] // Waste Management 26. - 2006. - pp. 1259-1269.
OECD Environmental outlook to 2030 [Rapport]. - [s.l.] : OECD, 2008.
ORS Les composs organiques volatils (COV) [Rapport]. - Ile-de-France : Observatoire
rgional de sant dIle-de-France, dcembre 2007.
Otto M. Chemometrics, Statistics and computer application in Analytical Chemistry
[Ouvrage]. - [s.l.] : Wiley-VCH verlag GmbH & Co. KGaA, 2007.
Padilla M. [et al.] Drift compensation of gas sensor array data by Orthogonal Signal
Correction [Revue] // Chemometrics and Intelligent Laboratory Systems 100. - 2010. - pp. 2835.

188

Bibliographie
Pascal L. Effet court terme de la pollution atmosphrique sur la mottalit. [Revue] // Revue
franaise d'allergologie Vol. 49. - 2009.
Peden D.B. Effect of air pollution in asthma and respiratory allergy [Revue] //
Otolaryngology - Head and Neck Surgery . - 1996. - Vol. 114. - pp. 242-247.
Percy K.E. et Feretti M. Air pollution and forest health: toward new monitoring concenpts
[Revue] // Environmental Pollution Vol.30. - 2004. - pp. 113-126.
Perdreau N. Application des methodes d'analyse multivariables la detecion quantitative de
gaz par microcapteurs base de dioxyde d'tain. (thse). - IPN Grenoble et EMSE SaintEtienne : [s.n.], 2000.
Permuy A. [et al.] Capteurs semi-conducteurs [Revue] // Techniques de l'ingnieur. 1994. - Vol. 420. - p. 360.
Pijolat C. Etude des proprits physico-chimiques et des proprits lectriques du dioxyde
d'tain en fonction de l'atmosphre gazeuse environnante. Application la dtction slective
des gaz. (Thse). - Grenoble : [s.n.], 1986.
Pijolat C. Micro-capteur de gaz labor a partir de matriaux solides [Section] // LES
CAPTEURS CHIMIQUES. - [s.l.] : CMC2, 1997.
Principe J.C. [et al.] Neural and Adaptive Systems. Fundamentals Through Simulations.
[Ouvrage]. - [s.l.] : JOHN WILE & SONS, INC., 2000.
Ramanathan V. et Feng Y. Air pollution, greenhouse gases and climate change: Global and
regional perspectives [Revue] // Atmospheric Environment 43. - 2009. - pp. 37 - 50.
Rivire B. Optimisation du pricecde de serigraphie pour la ralisation de capteurs de gaz en
couche paisse. Etude de la compatibilit avec la tchnologie microlectronique. (Thse). [s.l.] : ENSM Saint-Etiennne, 2004.
Romain A.C. [et al.] Monitoring the exhaust air of a compost pile with an e-nose and
comparison with GCMS data [Revue] // Sensors and Actuators B. - 2005. - Vol. 106. - pp.
317-324.
Romain A.C. [et al.] Use of a simple tin oxide sensor array to identify five malodours
collected in the field [Revue] // Sensors and Actuators B. - 2000. - Vol. 62. - pp. 73-79.
189

Bibliographie
Romain A.C. [et al.] Using the classification model of an electronic nose to assign unknown
malodours to environmental sources and to monitor them continuously [Revue] // Sensors and
Actuators B. - 2000. - Vol. 69. - pp. 366-371.
Romain A.C. et Nicolas J. Long term stability of metal oxide-based gas sensors for e-nose
environmental applications: An overview. [Revue] // Sensors and Actuators B. - 2010. - Vol.
146. - pp. 502-506.
Saeed S., Abbas Z. et Gopal B. Experimental Use of Electronic Nose for Analysis of
Volatile Organic Compound (VOC) [Revue] // IEEE. - 2009.
Sarry F. et Lumbreras M. Gas omposition determination in an air conditioned system using
a sensor array: characterization of three diffrent TGS sensor. [Revue] // Sensors and Actuators
B. - 1999. - Vol. 59. - pp. 94-99.
Sauvan M. Modification de la slectivit de couches minces de dioxyde d'tain par l'ajout de
couches superficielles, en vue de la ralisation de microcapteurs de gaz. (Thse). - [s.l.] : IPN
Grenoble et ENSM Saint-Etienne, 1999.
Schweizer-Berberich M. [et al.] Strategies to avoid VOC cross-sensitivity of SnO2-based
CO sensors [Revue] // Sensors and Actuators B. - 1998. - Vol. 58. - pp. 318-324.
Shaffer R. [et al.] A comparison study of chemical sensor array pattern recognition
algorithms [Revue] // Analytica Chimica Acta. - 1999. - Vol. 384. - pp. 305-317.
Shurmer H.V., Corcoran P. et James M.K. Sensitivity enhancement for gas sensing and
electronic nose applications [Revue] // Sensors and Actuators B: Chemical. - 1993. - Vol.
16. - pp. 256-259.
Sivacoumar R. [et al.] Air pollution modeling for an industrial complex and mpdel
performance evaluation [Revue] // Environmental pollution. - 2001. - Vol. 111. - pp. 471-477.
Skoog D.A. et Leary J.J. Principles of Instrumental Analysis [Ouvrage]. - International
Edition : [s.n.], 1992.
Smith L. A tutorial on Principal Components Analysis [Ouvrage]. - 2002.
Sommer V. [et al.] Neural networks and abductice networks for chemical sensor signals: a
case comparision [Revue] // Sensors and Actuators B. - 1995. - Vol. 28. - pp. 217-222.
190

Bibliographie
Strobel P. [et al.] A portative gas recognition system based on metal oxide gas sensors array
[Revue] // Sensors. - [s.l.] : Proceedings of IEEE, 2004. - Vol. 1. - pp. 123-126.
Szcsurek A. [et al.] Method of gas mixtures discrimination based on sensor array, temporal
response and data driven approach [Revue] // Talanta. - 2011. - Vol. 83. - pp. 916-923.
Szczurek A. [et al.] A concept of a sensor system for determining composition of organic
solvents [Revue] // sensors journal. - [s.l.] : IEEE , 2010. - 5 : Vol. 10. - pp. 924-933.
Szecowka P.M. [et al.] On reliability of neural netwok sensitivity analysis applied for sensors
array optimisation [Revue] // Sensors and Actuators B. - 2011. - Vol. 157. - pp. 298-303.
Thery-Merland F. [et al.] Mise au point d'un multicapteur de gaz [Revue] // Techniques de
l'ingnieur, IN 33-7, 6. - [s.l.] : Techniques de l'ingnieur, 2006. - IN 33-7, 6.
Tomic O. [et al.] Recalibration of a gas-sensor array system related to sensor replacement
[Revue] // Analytica Chimica Acta. - 2004. - Vol. 512. - pp. 199-206.
Tomic O. [et al.] Standardization methods for handling instrument related signal shift in gassensor array measurement data [Revue] // Analytica Chimica Acta. - 2002. - Vol. 472. - pp.
99-111.
Toupance G. [et al.] Pollution atmisphrique gazeuse; Mesure des gaz [Revue] // Techniques
de l'Ingnieur. - 2004. - P4031.
Toupance G. et Person A. Pollution atmosphrique gazeuse, mesure des gaz. [Revue] //
Thechniques de l'ingnieur. - 2004. - P 4 031.
Trincavelli M. [et al.] Towards Environmental Monitoring with Mobile Robots
[Confrence] // IEEE/RSJ International Conference on Intelligent Robots and Systems. - Nice
- France : [s.n.], 2008. - pp. 2210-2215.
Tsujita W. [et al.] Gas sensor network for air-pollution monitoring [Revue] // Sensors and
Actuators B. - 2005. - Vol. 110. - pp. 304-311.
Valleron A. Etude et optimisation de capteurs de gaz base de dioxyde d'etain (SnO2) en
conditions d'une ligne d'echappement automobile (Thse). - EMSE Saint-Etienne : [s.n.],
2011.

191

Bibliographie
Wilken W.F. et Hartman J.D. An electronic analogue for the olfactory process. [Revue] //
Ann. NY Acad. Sci. - 1964. - Vol. 116. - pp. 608-612.
World S. Chemometrics: what do we mean with it and what do we want from it [Revue] //
Chemometrics and intelligent Laboratory systems. - 1995. - Vol. 30. - pp. 109-115.
Yamazoe N. et Shimanoe K. New perspectives of gas sensor technology [Revue] // Sensors
and Actuators B. - 2009. - Vol. 138. - pp. 100-107.
Yang B. [et al.] Quantification of H2S and NO2 using gas sensor arrays and an artificial
neural network [Revue] // Sensors and Actuators B. - 2007. - Vol. 43. - pp. 235-238.
Zadeh L.A. Fuzzy sets [Revue] // Information and Control. - 1968. - 3 : Vol. 8. - pp. 338-353.
Zampolli S. [et al.] An electronic nose based on solid state sensor arrays for low-cost indoor
air quality monitoring applications [Revue] // Sensors and Actuators B. - 2004. - Vol. 101. pp. 39-46.

192

Publications et communications

Publications et communications

Communications :
-

The 14th international meeting on Chemical Sensors (20-22 mai 2012):

Titre: Development of a standardized multi-sensors system for on-line atmospheric pollution

monitoring.
Auteurs: Zaher AL BARAKEH, Philippe BREUIL, Nathalie REDON, Christophe PIJOLAT,
Nadine LOCOGE, Jean-Paul VIRICELLE

20th International Conference on Modelling, Monitoring and Management of Air

Pollution (16-18 mai 2012):

Titre: A multi-sensors system for atmospheric pollution detection, a classification and

indexation approach.
Auteurs: Zaher AL BARAKEH, Philippe BREUIL, Nathalie REDON, Christophe PIJOLAT,
Nadine LOCOGE, Jean-Paul VIRICELLE

193

Publications et communications
Publications :

Sensors and Actuators B : Chemical (en cours de publication)

Titre: Development of a standardized multi-sensors system for on-line atmospheric pollution

monitoring.
Auteurs: Zaher AL BARAKEH, Philippe BREUIL, Nathalie REDON, Christophe PIJOLAT,
Nadine LOCOGE, Jean-Paul VIRICELLE

Environmental Science and Technology (en cours de publication)

Titre: A multi-sensors system for atmospheric pollution detection, a classification and

indexation approach.
Auteurs: Zaher AL BARAKEH, Philippe BREUIL, Nathalie REDON, Christophe PIJOLAT,
Nadine LOCOGE, Jean-Paul VIRICELLE

194

Annexes

Annexes :
Annexe A : Systmes multi-capteurs dveloppes :

Vue profile du systme dvelopp :

195

Annexes
Vue den haut du systme dvelopp :

Trois systmes multi-capteurs branch sur le banc de test :

196

Annexes
Systme dacquisition de donnes utilisation terrain :

Photo dune station de mesure de la qualit dair :

197

Annexes

Annexe B : Corrlations entre les concentrations des polluants :

Station de Bthune (urbaine) :
-

Relation entre NO2 et NO, y et R2 tablies pour NO>20g/m :

Relation entre O3 et NO :

198

Annexes

Relation entre NO2 et NO :

Station de Douai (urbaine) :

-

Relation entre NO2 et NO, y et R2 tablies pour NO>20g/m :

199

Annexes

Relation entre O3 et NO :

Relation entre O3 et NO :

200

Annexes

Station de Creil (urbaine) :

-

Relation entre NO2 et NO, y et R2 tablies pour NO>20g/m :

Relation entre O3 et NO :

201

Annexes

Relation entre O3 et NO2 :

Station de Nogent sur Oise (priurbaine) :

-

Relation entre NO2 et NO, y et R2 tablies pour NO>20g/m :

202

Annexes

Relation entre O3 et NO :

Relation entre O3 et NO2 :

203

Annexes

Station de Roubaix (trafic) :

-

Relation entre NO2 et NO, y et R2 tablies pour NO>20g/m :

Station de Valenciennes (trafic) :

-

Relation entre NO2 et NO, y et R2 tablies pour NO>20g/m :

204

Annexes

Annexe C : Forme journalire et hebdomadaire de pollution :

Site de Douai (Urbain) :

Forme journalire :

Priode Hivernale

Priode Estivale

45

80

40

70
60
Concentrations en g/m3

Concentrations en g/m3

35

30

25

20

15

50
40
30
20
10

10

Pic trafic

Pic trafic
5
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2
O3

-10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Heure

NO
NO2
O3

Heure

Forme hebdomadaire :

Priode Hivernale

Priode Estivale

60

45

Jours non
ouvrs

Jours ouvrs

Jours non
ouvrs

Jours ouvrs
40

50

Concentrations en g/m3

Concentrations en g/m3

35
40

30

20

30
25
20
15
10

10
5
0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Jour de la semaine

Samedi Dimanche

NO
NO2
O3

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi Dimanche

NO
NO2
O3

Jour de la semaine

205

Annexes

Site de Bthune (Urbain) :

Forme Journalire :

Priode Estivale

Priode Hivernale
90
80

Concentrations en g/m3

70
60
50
40
30
20
10
0

Pic trafic
-10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2
O3

Heure

Forme hebdomadaire :

Priode Estivale

Priode Hivernale
45

60

Jours non
ouvrs

Jours ouvrs

Jours ouvrs

40
50

Concentrations en g/m3

Concentrations en g/m3

35
30
25
20
15

40

30

20

10
10

5
0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Jour de la semaine

Samedi

Dimanche

NO
NO
2
O3

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

NO
NO2
O3

Jour de la semaine

206

Annexes

Site de Creil (Urbain) :

Forme journalire :

Priode Estivale

Priode Hivernale
50

90

45

80
70

35

Concentrations en g/m3

Concentrations en g/m3

40

30
25
20
15

60
50

Pic trafic
40
30
20

10

10

Pic trafic

5
0
0

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2
O3

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2
O3

Heure

Heure

Forme hebdomadaire :

Priode Estivale

Priode Hivernale
45

60

Jours non
ouvrs

Jours ouvrs

Jours non
ouvrs

Jours ouvrs

40
50

Concentrations en g/m3

Concentrations en g/m3

35
30
25
20
15

40

30

20

10
10
5
0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Jour de la semaine

Samedi

Dimanche

NO
NO2
O3

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

NO
NO2
O3

Jour de la semaine

207

Annexes
Site de Nogent sur Oise (Priurbain) :

Forme journalire :

Priode Estivale

Priode Hivernale
50

90

45

80
70

35

Concentrations en g/m3

Concentrations en g/m3

40

30
25
20
15

60
50

Pic trafic
40
30
20

10

Pic trafic

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2
O3

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2
O3

Heure

Heure

Forme hebdomadaire :

Priode Estivale

Priode Hivernale
45

60

Jours non
ouvrs

Jours ouvrs

Jours non
ouvrs

Jours ouvrs

40
50

Concentrations en g/m3

Concentrations en g/m3

35
30
25
20
15

40

30

20

10
10

5
0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Jour de la semaine

Samedi

Dimanche

NO
NO
2
O3

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

NO
NO2
O3

Jour de la semaine

208

Annexes
Site Valenciennes (Trafic) :

Forme journalire :

Priode Estivale

Priode Hivernale
50

70

45
60

40
Concentrations en g/m3

Concentrations en g/m3

50

40

30

20

35
30
25
20
15

Pic trafic

Pic trafic
10
10

5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2

Heure

Heure

Forme Hebdomadaire :

Priode Estivale

Priode Hivernale
55

40

Jours non
ouvrs

Jours ouvrs
50

Jours non
ouvrs

Jours ouvrs
35

Concentrations en g/m3

45
30

40
35

25

30
20

25
20

15

15
10
10
5
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Jour de la semaine

Samedi

Dimanche

NO
NO2

5
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

NO
NO2

Jour de la semaine

209

Annexes
Site de Roubaix (Trafic) :

Forme journalire :

Priode Estivale

Priode Hivernale
140

90
80

120

Concentrations en g/m 3

70
Concentrations en g/m3

100

80

60

40

60
50
40
30
20

Pic trafic

20

10

Pic trafic
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

NO
NO2

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Heure

NO
NO2

Heure

Forme hebdomadaire :

Priode Estivale

Priode Hivernale
80

60

Jours non
ouvrs

Jours ouvrs

Jours non
ouvrs

Jours ouvrs

70
50

Concentrations en g/m3

Concenetrations en g/m3

60

50

40

30

40

30

20

20
10
10

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Jour de la semaine

Samedi

Dimanche

NO
NO2

0
Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

Dimanche

NO
NO2

Jour de la semaine

210

Annexes

Annexe D : Etude des comportements des capteurs :

Site de Bthune (urbain) :
1,0
NO

0,8
0,6
MICS5521

MICS5525

0,4

TGS2620

CP2 (15%)

-0,8

NO2
-0,6

-0,4

TGS2611

0,2

MICS5914

-1,0

O3

MICS2611

0,0

-0,2

0,0

0,2

-0,2
HEURE
TGS2602

MICS2710
0,4
0,6
Joursouvres

0,8

1,0

-0,4
Hr -0,6
-0,8
-1,0
CP1 (75%)

MICS5914

MICS5525

MICS5521

TGS2620

TGS2611

TGS2602

MICS2611

MICS2710

Hr

HEURE

Joursouvres

NO

NO2

O3

Dans cet exemple, nous remarquons des comportements similaires ce qui a t prsent dans
la partie 4.1. Le capteur TGS2600 a t limin cause de la redondance de sa rponse avec
le TGS2620. Nous observons :

les oxydes dazote (NO, NO2) sont corrls entre eux

lO3 est anti-corrl avec les oxydes dazotes

le capteur Mics2611 (capteur choisi pour la dtection dO3) et le capteur Mics2710

(capteur choisi pour la dtection de NO2) ont des rponses corrles avec lO3.

Les capteurs Mics5521, TGS 2620, TGS 2602 et Mics5914, ont des rponses
corrles avec la prsence des oxydes dazotes. Ainsi ces capteurs sont corrls avec
des diffrents polluants rducteurs qui proviennent de la mme source de NO et NO2
(comme le CO et les Hydrocarbures).

Les variables ajoutes (Hr, Heure, Jo) contribuent dune faon plus faible au systme.
Par contre, nous pouvons les corrler avec la prsence de lO3, cest dire la pollution
photochimique prsente durant la journe.

211

Annexes
Site de Creil (Urbain) :
1,0
O3

0,8
0,6
Joursouvres
HEURE
MICS5525
TGS2602

0,4

CP2 (27%)

MICS2710
MICS2611

0,2

-0,8

-0,6

-0,4

-0,2

NO

TGS2611

0,0

-1,0

NO2

0,0

0,2

-0,2

0,4

MICS5521

MICS5914
0,6

0,8

1,0

TGS2620

-0,4
Hr
-0,6
-0,8
-1,0
CP1 (62%)
MICS5914

MICS5525

MICS5521

TGS2620

TGS2611

TGS2602

MICS2611

MICS2710

Hr

HEURE

Joursouvres

NO

NO2

O3

Dans cette tude, nous remarquons aussi des comportements similaires ce qui a t prsent
dans la partie 4.1. :

les oxydes dazote (NO, NO2) sont trs corrls entre eux

lO3 est anti-corrl avec les oxydes dazotes

le capteur Mics2611 (capteur choisi pour la dtection dO3) et le capteur Mics2710

(capteur choisi pour la dtection de NO2) ont des rponses corrles avec lO3.

Les capteurs TGS 2620, TGS 2602, TGS 2611, Mics5914, Mics5521, et Mics5525
ont des rponses corrles avec la prsence des oxydes dazotes. Ainsi ces capteurs
sont corrls avec des diffrents polluants rducteurs qui proviennent de la mme
source de NO et NO2 (comme le CO et les Hydrocarbures).

Lhumidit de lair est indpendante des autres variables, ce qui indique la prsence
des pluies

Les variables ajoutes (Heure, Jo) sont corrls avec la prsence de lO3, NO et NO2.

212

Annexes
Site de Douai (Urbain) :
1,0
0,8

CP2 (23%)

0,6

MICS5914

HEURE

TGS2611 0,4
MICS5521
0,2
TGS2620

MICS2611
O3

MICS2710

0,0

-1,0

-0,8

-0,6

-0,4
TGS2602

-0,2
Hr
MICS5525

0,0

0,2

0,4

0,6

0,8

1,0

-0,2
-0,4

NO2

Joursouvres

-0,6
-0,8

NO

-1,0
CP1 (71%)
MICS5914

MICS5525

MICS5521

TGS2620

TGS2611

TGS2602

MICS2611

MICS2710

Hr

HEURE

Joursouvres

NO

NO2

O3

Nous observons dans cet exemple :

les oxydes dazote (NO, NO2) ne sont plus trs corrls entre eux, ce qui indique la
prsence des sources diffrentes pour NO et NO2

lO3 est anti-corrl avec les oxydes dazotes

le capteur Mics2611 (capteur choisi pour la dtection dO3) et le capteur Mics2710

(capteur choisi pour la dtection de NO2) ont des rponses corrles avec lO3, ainsi
que lheure du jour.

Les capteurs TGS 2620, TGS 2602, TGS 2611, Mics5914, Mics5521, et Mics5525
ont des rponses corrles avec la prsence de NO2. Ainsi ces capteurs sont corrls
avec des diffrents polluants rducteurs qui proviennent de la mme source NO2, par
contre ces capteurs ne sont plus corrls la source de NO (comme le CO et les
Hydrocarbures).

Les variables ajoutes (Heure, Jo, HR) Sont indpendants entre eux. Avec la variable
des jours ouvrs est corrle au NO.

213

Annexes
Site de Valenciennes (Trafic) :
1,0
0,8
NO2

Joursouvres

0,6

TGS2611

CP2 (8%)

0,4
MICS5914

-1,0

-0,8

-0,6

-0,4

-0,2

HEURE

0,2
MICS5521
0,0
0,0
-0,2

TGS2620
MICS5525

0,2

0,4
Hr

MICS2710

MICS2611

0,6

0,8

1,0

TGS2602

-0,4
-0,6
NO

-0,8
-1,0
CP1 (91%)
MICS5914

MICS5525

MICS5521

TGS2620

TGS2611

TGS2602

MICS2710

Hr

HEURE

Joursouvres

NO

NO2

MICS2611

Ce site est un site trafic, do labsence de lO3 do nous ne trouvons que les variables
doxydes dazotes. Nous avons ainsi obtenue deux composantes principales, la premire
possdant une variance de 91% et la deuxime possde une variance de 8%.

les oxydes dazote (NO, NO2) sont trs corrls entre eux selon la premire
composante CP1 qui contient presque 91% des informations

le capteur Mics2611 est trs corrl aux oxydes dazotes (selon CP1), par contre
Mics2710 est corrl ngativement ces gaz (selon CP1)

Les capteurs TGS 2620, TGS 2602, TGS 2611, Mics5914, Mics5521, et Mics5525 ont
des rponses corrles plus NO2 que NO.

Les variables ajoutes (Heure, Jo, HR) ne prsentent pas une corrlation claire.

214

cole Nationale Suprieure des Mines

de Saint-tienne

NNT : 2012 EMSE 0677

Zaher AL BARAKEH

Suivi de pollution atmosphrique par systme multi-capteurs

mthode mixte de classification et de dtermination dun indice de
pollution.

Spcialit: Gnie de Procd

Mots clefs : Pollution atmosphrique, capteurs de gaz semi-conducteurs, rseaux de
capteurs, logique floue.

Rsum :
Cette thse a pour objectif le dveloppement dun systme multi-capteurs de gaz permettant
une valuation en continu et en temps rel des diffrentes types de pollution atmosphrique en
zone urbain, en classifiant notamment les pollutions de type urbaine, photochimique, ou
encore lie au trafic. Le projet se base sur lutilisation de diffrents capteurs de gaz de type
semi-conducteur disponibles dans le commerce qui sont intgrs dans un dispositif autonome
et portable, afin quil puisse fonctionner sur site.
Dans un premier temps, et en grande partie Saint-Etienne, diffrents types de capteurs sont
slectionns puis leurs performances sont testes sur un banc simulant les atmosphres
pollues et dvelopp pour loccasion. Afin de pallier aux problmes de non rptabilit et de
drive de la ligne de base et de la sensibilit, des procdures de prtraitement de
standardisation sont mises au point.
Dans un deuxime temps, et en grande partie Douai, diffrents sites de tests sont identifis
et leurs historiques de pollution sont tudis. Plusieurs campagnes en stations de mesure
dune semaine, recouvrant les diffrentes saisons et les diffrents types de sites, sont alors
menes. Il y est collect conjointement les signaux des capteurs et des analyseurs de gaz
rglements. Des mthodes bases sur les rseaux de neurones sont alors appliques afin
dobtenir conjointement, partir des signaux des capteurs, une classification parmi 3 types de
pollutions (urbaine, trafic et photochimique) ainsi quun indicateur global de qualit de lair.
Ces mthodes utilisent une approche base sur la logique floue afin dviter les problmes
deffet de bord.