Méthodes stochastiques pour la modélisation et l’identification des bioprocédés de digestion anaérobie

Abstract

Cette thèse porte sur les méthodes stochastiques de la modélisation et de l'identification des bio-procédés de digestion anaérobie. Dans la première partie de la thèse, nous présentons les modèles déterministes des bioréacteurs de digestion anaérobie généralement utilisés. Nous présentons également les différents types des modèles stochastiques associés à chaque modèle déterministe. Un de ces modèles stochastiques est comparé en simulation avec sa version déterministe pour valider l'approche de modélisation. Dans une deuxième partie, nous présentons les différentes méthodes généralement utilisées pour estimer les variables d'état des modèles stochastiques. Ensuite, ces méthodes sont adaptées au modèles stochastiques proposés en prenant compte de la nature particulière de ces derniers. Les résultats obtenus ont été comparés et évalués en se basant sur différents critères de performance pour déterminer la méthode la plus appropriée au système étudié. Finalement, nous présentons un algorithme qui permet de combiner les différentes méthodes d'estimation et choisir la meilleure méthode d'entre eux. Cet algorithme permet également d'estimer les paramètres du système admettant un nombre ni de valeurs possibles et il est utilisé dans notre cas pour estimer les fonctions de taux de croissance dans le modèle.