MODELISATION DES PHENOMENES DE TRANSPORT A TRAVERS LES MEMBRANES

Abstract

L’objectif de ce travail repose sur l’utilisation des outils d’apprentissage pour la modélisation des phénomènes de transport à travers les membranes et en particulier, celles de l’osmose directe. Pour cela, les réseaux de neurones artificiels (RNA), les machines à vecteur de support (MVS) ainsi que la régression linéaire multiple (RLM) ont été exploités pour prédire la rétention des MO lors du processus d’OD. Pour cette fin, trois bases de données ont été collectées, 12 modèles MVS ont été développés. Le meilleur MVS modèle développé a été donné par une structure de 11 inputs où le coefficient de corrélation (R) a atteint une valeur de 0.8526 et la racine de l’erreur quadratique moyenne (REQM) est donnée par une valeur d’ordre de 15.9551% pour la phase du test. Quatre (04) modèles de RNA ont été créés en utilisant la BD optimale, BFGS comme algorithme d’apprentissage et différentes fonctions de transfert dans la couche cachée et une seule fonction a été utilisée dans la couche de sortie. En outre, un autre modèle RLM a été développé par la même BD optimale. La comparaison entre les modèles montre l’aptitude des outils d’apprentissage pour prédire la rétention des MO lors de l’OD d’un côté et la performance du modèle RNA par rapport aux autres modèles d’autre coté. Les valeurs du R sont égales à 0.8723, 0.8526 et 0.7630 pour le RNA, MVS et RLM respectivement. Les valeurs de la REQM présentent la précision du modèle RNA en comparaison avec les autres où les valeurs sont 6.2630%, 15.9551% et 16.3703% pour les modèles de RNA, MVS et RLM respectivement. En plus des résultats précédents, l’application d’un autre outil, bootstrap réseaux de neurones agrégés (BRNA) a donné de bons résultats, qui portait sur l’efficacité de cet outil pour prédire la rétention des MO par les membranes susmentionnées par rapport aux réseaux neurones artificiels, à travers une valeur de coefficient de corrélation égale à 0.9909, qui dépassait celle du RNA qui est de 0.9400