Prédictions des surverses occasionnées par les précipitations sur l'île de Montréal

Le phénomène de surverse correspond en le rejet d’eaux usées non traitées dans l’environne-ment. Plusieurs raisons peuvent mener à l’occurrence de surverse comme la fonte de neige ou des travaux, mais la cause principale de la majorité des surverses correspond en une intensité de précipitations menant à la surcharge du système d’égout unitaire ou du centre de traitement des eaux usées. Les surverses représentent une des cause majeure de pollution des eaux urbaines dans le monde et posent une menace environnementale comme hygiénique. Les prédictions de l’impact du changement climatique sur les pluies futures indiquent en plus une augmentation de la fréquence des surverses à travers le monde, rendant la situation d’autant plus inquiétante. Nous nous sommes penchés dans ce travail sur la question de la prédiction de l’occurrence et de la durée des surverses sur l’île de Montréal à partir des précipitations. Pour ce faire, nous avons testé sur 6 ouvrages d’intérêt une approche en deux temps prédisant d’abord l’occurrence de surverse suivit de la durée de surverse pour les jours où l’occurrence est prédite. Dans ce contexte, nous avons décidé de nous restreindre à des modèles facilement transposables à de nouvelles municipalités et interprétables afin de pouvoir guider des intuitions quant au phénomène. Au vu de la grande quantité de données de précipitation à notre disposition, nous avons développé des recommandations quant aux données utilisées dans le contexte de la prédiction de surverse, que ce soit du point de vue de la distance entre le pluviomètre et l’ouvrage de surverse considéré ou de la précision temporelle des données de précipitation. Nous avons remarqué une baisse de performance moyenne sur tous les modèles possibles lorsque la distance pluviomètre-ouvrage augmente. Nous conseillons l’utilisation de données de pluviomètres proche du site d’intérêt, en particulier pour des modèles simples ou sans recherche exhaustive. En outre, l’introduction d’accumulations sur de plus courtes durées augmente largement les performances pour certains ouvrages, indiquant une réponse plus impactée pour ces ouvrages à des pluies intenses. Nous avons tenté en outre de mettre en lumière l’intérêt de la prise en compte du débalancement des données inhérent au domaine d’application, ainsi que la haute dimensionnalité des données quasi-continues non groupées de manière journalière. Nous avons conclu que plus de travail est nécessaire dans cette direction, nos résultats montrant que la modification de méthodes classiques est nécessaire en présence de ces difficultés, les méthodes modifiées menant à de meilleures performances en particulier lorsque les données sont plus débalancées. Nous avons conclus que les méthodes de rééchantillonnage simple basées sur du rééchantillonage aléatoire uniforme (à probabilité égale) ne sont pas adaptées au contexte de la prédiction de surverse. Nous avons en outre noté une préférence pour une extraction de variable supervisée plutôt que non-supervisée, résultat que nous lions au caractère débalancé de nos données. Finalement, nous avons introduit la question de la prédiction des surverses sur un horizon futur. En effet, cela représente l’enjeu principal pour les municipalités. En attendant, la pré-diction en avance se fait via l’application sur des données prédites de précipitation, d’un modèle entraîné sur des données observées de précipitations et surverses. Nous avons intro-duit des méthodes utilisant directement ces données de prédiction de précipitation, et avons ressorti deux méthodes capables d’utiliser le pouvoir prédictif de ces données. Nous avons remarqué un léger avantage des modèles entraînés directement sur les données prédites de précipitation, encourageant de la recherche supplémentaire dans cette direction.