Modélisation de phénomène d’adsorption statique

Abstract

Modélisation des phénomènes d'adsorption statique L'objectif principal de cette thèse est l’application des techniques d'intelligence artificielle pour prédire avec précision l'adsorption statique de polluants metalliques en présence de charbon actif dans différentes conditions opératoires dont les points des données expérimentales ont été tirés directement de la littérature. Dans ce travail, une contribution est été apportées concerne l’application de réseaux de neurones artificiels pour prédire l’adsorption statique des multi-systèmes constitués de six composés metaliques sur le charbon actif comprend une base de données de 365 valeurs expérimentales. L’architecture optimisé du RNA contient huit neurones dans la couche d’entrée correspond aux huit paramètres d’entrés, quarantecinq neurones dans la couche cachée et un seul dans la couche de sortie correspond à la concentration réduite de polluants organiques. L’algorithme de retro-propagation Levenberg-Marquardt (LM) a été appliqué. Les fonctions de transfert sigmoïde logarithmique (Logsig) et tangente hyperbolique (purelin) sont utilisées respectivement pour la couche cachée et la couche de sortie. Les résultats obtenus montrent la grande capacité d’estimation de modèle neuronal conçu avec un coefficient de corrélation (R=0,997) et la racine carrée de l’erreur quadratique moyenne (REQM=0,029). Une analyse de la sensibilité de l’importance relative des variables d'entrée sur la sortie montre que tous les paramètres d'entrées ont une influence considérable sur la concentration réduite. Où ils ne pouvaient pas être négligés. s. Six paramètres d'entrée ont été utilisés. Le technique comparées sont les réseaux neuronaux artificiels (RNA), le système d'inférence neuro-floue ada.