Modélisation de l`adsorption des systèmes multi-composants

Abstract

Le but de cette étude est de créer un modèle neuronal capable de prédire les quantités adsorbées d'un mélange binaire (composé d'acide bleu 92 et de vert direct 6) sur l'adsorbant GPN (Gemini Polymeric Nanoarchitecture), en utilisant l'adsorption multi-composant. Cette modélisation est réalisée en utilisant un programme Matlab®. Les résultats montrent que le réseau de neurones statiques optimisé (RNSO) possède une architecture de (7-18-13-2), avec 7 neurones dans la couche d'entrée, 18 neurones dans la première couche cachée, 13 neurones dans la deuxième couche cachée et 2 neurones en sortie. Le RNSO reproduit fidèlement les données expérimentales disponibles dans la littérature avec une grande précision : une erreur quadratique moyenne (REQM) de 2.1096 et un coefficient de corrélation R2 de 0.96. Ces résultats confirment la robustesse du modèle neuronal établi