AMELIORATION DE L’ESTIMATION DE LA TRANSMISSIVITE DANS UNE NAPPE ALLUVIALE A L’AIDE DES RESEAUX DE NEURONES ARTIFICIELS

  • B. AOUN-SEBAITI Université 20 Aout 1955 Skikda
  • A. HANI Université Badji Mokhtar Annaba
  • L. DJABRI Université Badji Mokhtar Annaba

Résumé

La Transmissivité est souvent estimée en utilisant des données de débits spécifiques quand les données de pompage d'essai ne
sont pas disponibles ou quand l'abaissement du niveau est rapidement stabilisé, comme dans le cas des couches karstifiées ou
dans les nappes alluviales à « niveau d’eau constant ». Plusieurs auteurs ont étudié la relation entre la transmissivité et le débit
spécifique à partir d’une relation empirique du type  
b
s Q a T .  . Dans cette étude plus d’une centaine de pompages d’essai
ont été réinterprété selon des schémas théoriques adaptés aux différentes configurations hydrogéologiques rencontrées dans la
nappe alluviale de la Moselle en Lorraine. Les résultats montrent que la relation entre la Transmissivitéet la productivité des
ouvrages est fonction des pertes de charge quadratiques dues au captage. La décomposition de ces dernières montre que ce sont
surtout les caractéristiques dimensionnelles des crépines qui sont responsables de l’augmentation du rabattement dans les puits
et par conséquent de la diminution du rendement des ouvrages. Dans cette étude, l’utilisation d’un réseau de neurones
artificiels a permis d’améliorer l’estimation de la Transmissivité et d’identifier les paramètres responsables de l’augmentation
du rabattement observé dans les ouvrages de captage. Le modèle restitue parfaitement les Transmissivitéà partir des valeurs du
rayon de la crépine, du coefficient d’emmagasinement, du débit spécifique brut et corrigé des pertes de charge dues au captage.

Références

[1] Hamm, S.Y., Cheong, J.Y., Jang, S., Jung, C.Y., Kim,
B.S. (2005) Relationship between transmissivity and
specific capacity in the volcanic aquifers of Jeju
Island, Korea. Journal of Hydrology 310 111–121.
[2] Choi, B.S. (1999) Determination of aquifer
characteristics from specific capacity data of wells in
Cheju Island. J. Korean Soc. Groundwater Environ. 6
(4), 180–187.
[3] Cooper, H.H., Jacob, C.E. (1946) A generalized
graphical method for evaluating formation constants
and summarizing well field history. Am. Geophys.
Union Trans. 27, 526–534.
[4] Gringarten, A.C., Witherspoon, P.A. (1972) A method
of analyzing pump test data from fractured rock
aquifers. Proceedings of Symposium on Percolation
Through Fissured Rock, International Association of
Rock Mechanics 3-B, 1–8.
Amélioration de l’estimation de la Transmissivité dans une nappe alluviale à l’aide des réseaux de neurones artificiels
19
[5] Hani, A. (1987) La nappe alluviale de la Moselle en
Lorraine. Essai de synthèse des caractéristiques
hydrauliques et techniques des puits et forages. Thèse
de doctorat d’ingénieur, INPL de Nancy. 106 p.
[6] Hani, A., Lallahem, S., Mania, J., Djabri, L. (2006) On
the use of finite-difference and Neural network models
to evaluate the impact of underground water
overexploitation. Hydrol. Process. 20, 4381-4390.
[7] Hantush, M.S. (1960) Modification of the theory of
leaky aquifers. J. Geophys. Res. 65 (11), 3713–3725.
[8] Huntley, D., Nommensen, R., Steffey, D. (1992) The
use of specific capacity to assess transmissivity in
fractured-rock aquifer. Ground Water 30 (3), 396–402.
[9] Lallahem, S., Mania, J., Hani, A., Najjar, Y, (2005) On
the use of neural networks to evaluate groundwater
levels in fractured media. Journal of hydrology, pp.
92-111.
[10] Lencastre, A. (1973) Manuel d’hydraulique générale.
Eyrolles, Paris, 430p.
[11] Levassor, A. et Tablot, A. (1976) Sur le débit
spécifique, l’interprétation des essais de puits et les
pertes de charge dans les forages d’eau. Rapport
LMH/RD/76/8 par le C.I.G. de l’Ecole des Mines de
Paris pour le B.R.G.M., 56p.
[12] Mace, R.E. (1997) Determination of transmissivity
from specificcapacity tests in a karst aquifer. Ground
Water 35 (4), 738–742.
[13] Mao, B., Elsworth, D., Roegiers, J.-C. (1993)
Multiporosity/multipermeability approach to the
simulation of naturally fractured reservoirs. Water
Resour. Res. 29 (6), 1621–1633.
[14] Meier, P.M., Carrera, J., Sa´nchez-Vila, X. (1999) A
numerical study on the relationship between
transmissivity and specific capacity in heterogeneous
aquifers.Ground Water 37 (4), 611–617.
[15] Moench, A.F. (1984) Double-porosity models for a
fissured groundwater reservoir with fracture skin.
Water Resour. Res. 20 (7), 831–846.
[16] Razack, M., Huntley, D. (1991) Assessing
transmissivity from specific capacity in a large and
heterogeneous alluvial aquifer. Ground Water 29 (6),
856–861.
[17] Theis, C.V. (1963) Estimating the transmissivity of a
water-table aquifer from the specific capacity of a
well, US Geological Surv. Water Supply Pap. 1536-I,
332–336.
[18] Thomasson, H.J., Olmsted, F.H., LeDoux, E.R. (1960)
Geology, water resources, and usable ground water
storage capacity of part of Solano County, CA, US
Geological Survey Water Supply Paper 1464, 693 pp
Comment citer
AOUN-SEBAITI, B.; HANI, A.; DJABRI, L.. AMELIORATION DE L’ESTIMATION DE LA TRANSMISSIVITE DANS UNE NAPPE ALLUVIALE A L’AIDE DES RESEAUX DE NEURONES ARTIFICIELS. Courrier du Savoir, [S.l.], v. 13, mai 2014. ISSN 1112-3338. Disponible à l'adresse : >https://revues.univ-biskra.dz/index.php/cds/article/view/421>. Date de consultation : 22 déc. 2024
Rubrique
Articles