ÉTUDE EXPÉRIMENTALE ET MODÉL I SATION DE L ’ÉL IMINATION DES EFF LUENTS PHARMACEUTIQUES L IQUIDES AU MOYEN DE TENS IO-ACTIFS

Abstract

Etude expérimentale et modélisation de l’élimination des effluents pharmaceutiques liquides au moyen de tensioactifs Cette thèse qui s’inscrit dans le cadre général de la recherche des procédés potentiellement applicables au traitement des eaux a pour objectif de contribuer au traitement des effluents pharmaceutiques liquides au moyen de tensioactifs. La première contribution, consiste en l’étude de l’efficacité d’un tensioactif commercial (SDS) et d’un biosurfactant synthétisé au niveau du laboratoire de recherche de Biomatériaux et phénomènes de transport pour l’élimination des antibiotiques en l’occurrence l’amoxicilline et l’ampicilline présents individuellement dans un milieu aqueux. La seconde contribution a été la simulation d’un milieu aquatique réel, et ce par la création d’un milieu complexe contenant les deux antibiotiques simultanément. Les résultats obtenus montrent que le biosurfactant présente une capacité d’adsorption très importante qui atteint 93,92 et 112,71 mg/g pour l’AMX et l’AMP, respectivement. Les principaux paramètres influençant l’efficacité du traitement ont été envisagés à savoir: le temps de contact, la vitesse d’agitation, la concentration de l’antibiotique, la concentration du tensioactif, la température, le pH et la présence des sels. Pour mieux comprendre le phénomène mis en jeu, on a procédé à des études de la cinétique, la thermodynamique, le transfert de masse et l’isotherme d’adsorption en milieu simple et en milieu complexe en utilisant le tensioactif classique et le biosurfactant. Les résultats expérimentaux obtenus ont servi comme base de données (Apprentissage, test et validation) à partir de laquelle nous avons élaboré un modèle de réseaux de neurones artificiels qui permet de prédire la capacité d’élimination des effluents en fonction des conditions opératoires mises en jeu avec un coefficient de corrélation R2=0,987, une erreur quadratique moyenne REQM=0,541, une erreur standard de prédiction ESP=2,771%, un coefficient de leave-one-out cross-validation 𝑄𝐿𝑂𝑂 2 = 0,964 et un coefficient de validation externe 𝑄𝑒𝑥𝑡 (𝑣𝑎𝑙 ) 2 = 0,965.