Modélisation de la rétention des pesticides par nanofiltration et osmose

Abstract

Le but assigné à cette étude est de développer un modèle neuronal optimal basé sur des relations quantitatives structure-propriété (QSPR-RNAoptimal) pour modéliser la rétention des pesticides par les membranes de nanofiltration et osmose. Pour prédire les résidus de pesticides, un modèle neuronal du type feedforward (QSPR-RNAoptimal) caractérisé par une structure (14 neurones dans la couche d'entrée, 19 neurones dans la couche cachée et 1 neurone dans la couche de sortie) sera construit. Un ensemble de 574 points de données a été utilisé pour tester le modèle optimal. 80 % des données ont été réservées à l'apprentissage et 20 % au test du modèle optimal. La comparaison des valeurs de rétention calculées lors de la phase de test avec celles mesurées a montré une bonne corrélation (R = 0,9627). "poids"L'analyse de sensibilité par la méthode a révélé que les variables les plus pertinentes pouvant influencer la rétention >5 %).