Modélisation par réseau de neurones et machines à vecteurs supports : Contribution à l’étude de l’adsorption multi-composant (tertiaire) des métaux lourds sur différents adsorbants

Abstract

La présence de métaux lourds dans les eaux usées et effluents industriels augmente ce qui conduit à un déséquilibre écologique. La solution de ce problème est de trouver une technique meilleure et plus efficace pour séparer ces contaminants (multimétal) des eaux usées. La technique de séparation la plus utilisée est la méthode d'adsorption en raison de son coût réduit et de son faible entretien. Le but de ce travail est de modéliser le système d’adsorption multi-composants tertiaire (multimétal) en utilisant des modèles basés sur l'intelligence artificielle. Dans ce travail la base de données a été recueillie à partir de documents scientifiques qui contiennent la cinétique d'adsorption de divers adsorbats sur différents adsorbants. Cette étude propose trois nouveaux algorithmes de modélisation, à savoir le réseau de neurones artificiel (RNA), la Régrussion à vecteurs de support (SVR) et la Régrussion à vecteur de support au moindre carré (LS-SVR), pour une prédiction précise de diverses quantités de multi-composants tertiaires en utilisant des paramètres opérationnels généralement disponibles. Ces trois méthodes ont été programmées en utilisant le logiciel MATLAB. Les résultats montrent que le réseau de neurones artificiel (RNA) obtenu une résultat plus préciser à partir d' architecture de neurones {8-6-3} dans les couches d'entrée, cachée et de sortie respectivement. Dans notre cas, les modèles SVR et LS-SVR ont été légèrement représenter , ils sont plus précis et stables et rapides avec moindre différence que la méthode RNA. Les SVR montrent une plus grande précision que LS-SVR et ANN avec respectivement {0.3807, 0.592, 0.620} en termes de MSE moyen. En raison de la précision de la prédiction, de la stabilité du modèle et de l'efficacité de calcul, le modèle SVR est fortement recommandé pour estimer la cinétique d'adsorption d'un système multicomposant.