WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Etude de quelques sources de polluants atmospheriques dans la région de Bejaia

( Télécharger le fichier original )
par Karim mouaici
université de bejaia - ingeniorat 2002
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3-1- L'unité TRANSBOIS :

3-1-1- Evolution des polluants en fonction de la distance :

L'évolution des différents polluants mesurés à l'unité TRANSBOIS, en fonction de la distance, est représentée sur la figure 8.a suivante :

8

6

4

2

0

0 0,5 1 1,5 2 2,5 5 10 20 40 60 80
distance (m)

0,35

0,3

0,25

0,2

0,15

0,1

0,05

0

0 0,5 1 1,5 2 2,5 5 10 20 40 60 80
distance (m)

1200

1000

400

800

600

200

0

distance (m)

Figure 8.a : Evolution des polluants en fonction de la distance à l'unité Transbois

Nous notons une décroissance accrue de la concentration des trois polluants à mesure que l'on s'éloigne de la source. Pour le CO, la décroissance est presque exponentielle. Pour le NO, à partir de 2 mètres, on atteint une concentration presque constante (2 ppm), ceci montre que ce polluant se mélange rapidement avec les gaz de l'air pour atteindre son niveau moyen

dans l'environnement. Le SO2 évolue différemment des deux autres et présente une faible concentration à l'émission ; à partir de 1 mètre, sa concentration est réduite à néant.

3-1-2-Modélisation statistique :

Pour mieux modéliser l'effet de la distance sur la concentration, nous avons fait appel à la méthode de la régression linéaire. Les résultats de la régression entre les polluants considérés et la distance ne sont pas significatifs, nous avons donc opté pour la recherche de la corrélation et de la régression entre la concentration et l'inverse de l'exponentielle de la distance [EXP(-

D)]. Sur la figure 8.b, nous illustrons les différentes droites de régression entre polluants

et EXP(-D).

1100

-100

900

700

500

300

100

-0,1 0,1 0,3 0,5 0,7 0,9 1,1

EXP __D_ vs. CO
CO = 3,6579 + 929,15 * EXP__D_
Corrélation: r = ,98494

EXP __D_

Régression IC à 95%

7,5

6,5

5,5

4,5

3,5

2,5

1,5

-0,1 0,1 0,3 0,5 0,7 0,9 1,1

EXP__D_ vs. NO
NO = 1,7535 + 5,4586 * EXP__D_
Corrélation: r = ,96645

EXP __D_

Régression IC à 95%

-0,05

0,35

0,30

0,25

0,20

0,15

0,10

0,05

0,00

-0,1 0,1 0,3 0,5 0,7 0,9 1,1

EXP__D_ vs. SO2
SO2 = -,0290 + ,27311 * EXP__D_
Corrélation: r = ,91675

EXP __D_

Régression IC à 95%

Figure 8.b : Droites et équations de régression entre

les trois polluants et EXP(-D)

Ces figures démontrent bien la décroissance exponentielle des polluants au fur et à mesure qu'on s'éloigne de la cheminée. Ce modèle n'est pas loin de ceux de Gauss et de Sutton montrant une relation linéaire entre [C] et EXP(-D2). Les tests statistiques sont très significatifs.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le don sans la technique n'est qu'une maladie"