Développement d'algorithmes pour l'analyse des séries temporelles des données de production d'eau potable

Abstract

Les données journalières de production d'eau potable peuvent être analysées pour en extraire des moyennes de production annuelle, mensuelle, etc. Cette approche classique n'utilise cependant pas toute l'information disponible. L'approche suggérée dans ce mémoire considère une série annuelle de données de production comme une série stochastique qui contient une composante déterministe et une composante aléatoire (souvent appelé bruit). L'analyse spectrale permet d'identifier, par l'utilisation des séries de Fourier, la composante déterministe contenu dans le signal. Il est ensuite possible de reconstituer ce cycle à partir des principales composantes harmoniques. Parmi celles-ci, on retrouve principalement un cycle annuel et hebdomadaire. Cette composante déterministe dans les habitudes de consommation est utilisée pour générer un modèle auto-adaptatif de la demande en eau. Ce modèle peut être utilisé pour la validation des valeurs de production saisies quotidiennement à l'aide d'un intervalle de confiance déterminé par une analyse statistique de la composante aléatoire du signal. Le modèle peut être intégré facilement à tout système d'acquisition et de traitement de données.