Aqualearning

Aqualearning est un projet créé par Amphos21 et a été le gagnant du SmartCatalonia Challenge.

Ce cabinet de conseil en environnement a développé un logiciel basé sur l’intelligence artificielle et l’apprentissage automatique qui permet de valoriser les données existantes, en donnant une nouvelle dimension au traitement des données et en obtenant des simulations à faible coût de calcul. L’application permet de trouver des relations cause-effet des ressources et des systèmes naturels applicables au domaine de la prédiction des contaminants minoritaires, du contrôle des niveaux de puits…

Avec le développement des capteurs, l’augmentation des volumes de données et leur importante génération, ces outils facilitent le traitement des données, la gestion efficace et la prise de décision, en évitant l’utilisation des ressources, en réduisant les coûts et le temps.

Entité responsable

Amphos 21 est une société de conseil scientifique, technique et stratégique au service de l’environnement dans 5 marchés principaux (nucléaire, mines, eau, durabilité et CCS et changement climatique) et du développement économique et social.  Amphos 21 a commencé son activité à Barcelone en 1994. Actuellement la société comprend plus de 200 professionnels. Les 25 années d’expérience en tant que consultant international ont permis de développer des projets dans plus de 20 pays. (CWP, 2022).

Source : https://www.amphos21.com/ 

L’objectif du cabinet Ampos21 est de proposer des solutions efficaces, innovantes, intégrées et transversales en appliquant une méthode quantitative à toute solution.  Le cabinet a acquis une grande expérience dans l’évaluation, l’analyse et la modélisation d’un large éventail de processus en milieu géologique, notamment l’hydrogéologie, la géochimie, la géomécanique et le transport réactif couplé. Dans ce contexte, ils envisagent les ressources hydrologiques comme une solution intégrée, qui synthétise tous les aspects pertinents du cycle hydrologique pour un projet donné.

Explication détaillée

Aqualearning est une solution basée sur l’intelligence artificielle (IA) soutenue par le propre logiciel d’IML. Sa principale fonction est de transformer les données en informations précieuses. Le processus suivi peut être décomposé dans les domaines suivants :

En premier lieu, l’analyse et la préparation des données, l’évaluation des variables, la recherche de corrélations, la discrimination des données qui fournissent des informations de celles qui n’en fournissent pas.

Une partie des données est utilisée pour « entraîner » l’algorithme. En ce sens, une fois l’algorithme « entraîné », ses prédictions sont validées. La validation utilise des données inutilisées pour voir s’il a la capacité et la robustesse nécessaires pour générer des prédictions aussi précises que possible. Lorsque les prédictions sont déjà fiables, l’algorithme est prêt à générer de futures alertes ou à prendre des décisions. Aqualearning contient différents algorithmes développés en open source (technologie TensorFlow).

Aqualearning tire parti de la relation de cause à effet inhérente aux processus liés aux ressources naturelles pour les gérer à l’aide de l’IA.

Le logiciel a été appliqué dans différents domaines :

D’abord, pour la prédiction des éléments minoritaires dans l’aquifère de Forsmark (Suède) où il est prévu de construire un stockage profond de déchets nucléaires. À partir de données physico-chimiques et d’éléments majoritaires (collectées depuis 1994), il a été possible, au moyen d’un arbre de décision (typologie des algorithmes), de corréler l’apparition d’éléments minoritaires avec la présence de certains éléments majoritaires. L’hypothèse s’est avérée correcte, avec un coefficient de détermination élevé et a permis de prédire les concentrations de baryum (précision moyenne de 97%), d’uranium et de molybdène (précision moyenne >85%).

Elle a également été appliquée à la ressource en eau affectée par l’exploitation minière au Chili et au Pérou.  Dans ces pays, une partie des déchets miniers génère des effluents fortement acidifiants. Actuellement le processus expérimental pour évaluer l’effet du pH des eaux de chaque nouvelle exploitation, ou expansion de celle-ci sur l’environnement est lent (30 semaines). À partir des données des premières semaines et des concentrations de certains éléments (cuivre), le logiciel Aqualearning est capable de prédire l’effet du pH des eaux à la fin de l’expérience. Ce résultat a été obtenu avec une précision de plus de 90% (en utilisant 4230 données), tandis que les concentrations en cuivre ont été prédites avec une précision de 85%. Cette contribution permet d’accélérer le dimensionnement anticipé des stations de traitement des mines au Pérou. Bien qu’il ne remplace pas le processus expérimental, les résultats d’Aqualearning ont été d’une grande aide pour la planification des actions et des investissements dans les cas testés. 

Enfin, une autre application de cette méthodologie prédictive a été faite dans un champ de pompage d’eau souterraine avec 14 puits actifs. On sait que certains d’entre eux interfèrent, mais en raison de la géologie et de la disposition des fractures, il n’est pas possible d’identifier lesquels. En utilisant Aqualearning, il a été possible de prédire les niveaux des puits au moyen des données de débit extraites au cours des jours précédents, en obtenant un ajustement satisfaisant (ICRA, 2022), (IDAEA, 2022).