The present Note proposes a learning classification methodology to identify functional states on a coagulation process involved in drinking water treatment. In this work, we chose to carry out the supervised control of this process while using the LAMDA (Learning Algorithm for Multivariate Data Analysis) classification technique. The LAMDA classification technique proposes the interactive participation of the expert operator during the learning phase and in the optimisation of the classification. In this work, all information stemming from the environment process as well as expert knowledge has been aggregated and exploited. The application chosen for state identification is the Rocade drinking water treatment plant located at Marrakech, Morocco. To cite this article: B. Lamrini et al., C. R. Physique 6 (2005).

Le travail présenté propose une méthodologie de classification par apprentissage qui permet lʼidentification des états fonctionnels sur une unité de coagulation impliquée dans le traitement dʼeau potable. Nous avons choisi de réaliser la conduite supervisée de ce procédé en utilisant la méthode de classification LAMDA (Learning Algorithm for Multivariate Data Analysis). La technique de classification LAMDA permet une interaction directe de lʼexpert durant la phase dʼapprentissage et dʼoptimisation de la classification. Dans ce travail, toutes les informations provenant du procédé lui même et de son environnement ainsi que les connaissances de lʼexpert ont été exploitées et agrégées. Le site dʼapplication choisi pour lʼidentification des états fonctionnels est la station de traitement dʼeau potable Rocade de Marrakech, Maroc. Pour citer cet article : B. Lamrini et al., C. R. Physique 6 (2005).