"Modélisation des propriétés physico chimiques des tensionactifs"

Abstract

"Modélisation des propriétés physico-chimique des tensioactifs Le but de ce travail est de modéliser les propriétés physico-chimiques de 171 tensioactifs de différents types (anionique, cationique, non-ionique et globale) par quatre modèle hybrides de type QSPR- réseau de neurones artificiel (RNA). Le nombre des entrées du modèle neuronale a été calculé par le logiciel Padel et optimisée par la méthode des algorithmes génétiques. Les caractéristiques des quatre réseaux de neurones artificiels sont présentées comme suit : 1. Le logCMC de 51 tensioactifs non-ioniques avec un modèle neuronal qui a une architecture de {4-4-4-1}, ce dernier a été trouvé avec un coefficient de corrélation égale R=0.991, une Erreur Relative Absolue Moyenne ERAM=23.815 et R2 pred=0.998. Ces résultats vérifient la capacité prédictive externe de notre modèle en confirmant la robustesse du modèle établi. 2. Le second modèle comporte une architecture de {4-7-7-1}, a été optimisé afin de calculer les agents de surface de 88 structures cationiques avec un R=0.987, ARDM=5.806 et R2 pred=0.995. Ces résultats montrent la robustesse du modèle établi. 3. Le troisième réseau de neurones à une structure de {4-5-5-1}, ce dernier montre son aptitude à prédire logCMC de 71 composés anioniques avec un R=0.927, ARDM=16.744 et R2 pred=0.979. 4. Le dernier, c’est un réseau global d’architecture {4-6-6-1} englobant un mélange de 171 tensioactifs de différents types (anionique, cationique, non-ionique), le réseau a été trouvé avec un R=0.908, ARDM=17.235 et R2 pred=0.976."