Développement des modèles QSPR-RNA pour la prédiction de la solubilité de quelques solutés solides dans le CO2 supercritique à l’aide des descripteurs moléculaires

Abstract

Développement des modèles QSPR-RNA pour la prédiction de la solubilité de quelques solutés solides dans le CO2 supercritique à l’aide des descripteurs moléculaires. L'objectif principal de cette étude est d'évaluer le potentiel des modèles d'intelligence artificielle pour modéliser la solubilité des solutés solide dans le CO2 supercritique. Cette étude suggère un nouvel algorithme pour la modélisation, les réseaux neuronaux artificiels (ANN), Prédire avec précision la solubilité des 43composé en utilisant différents ensembles de paramètres opérationnels communs et deux types de descripteurs. Dans cette base de données de travail recueilli à partir de documents scientifiques, qui contient la solubilité de différents composés. Ces méthodes sont programmées en MATLAB. Obtenu la meilleure conception de 10 entrées, 1 dans la couches de sortie et deux couches cachés 20, 5 respectivement. Ce dernier a été amélioré et testé pour prédire la solubilité avec {1,0302, 0,99852, ... ..} en termes de AARD (%), et R. Ainsi, nous avons prouvé qu’ANN peut être utilisée pour prédire la précision de la solubilité.