CONTRIBUTION A LA MODELISATION DE L’EFFET DU PHOTO-THERMO VIEILLISSEMENT SUR LES PROPRIETES DES MATERIAUX

Abstract

Contribution à la modélisation de l’effet du photo-thermo vieillissement sur les propriétés des matériaux L’objectif de ce travail est de développer des modèles prédictifs robustes pouvant être appliqués dans le domaine du photo-thermo vieillissement et photostabilisation des matériaux polymères. Ce travail comporte deux contributions : La première contribution a porté sur l'utilisation des réseaux de neurones artificielle (RNA) pour la modélisation de l’effet de photo-thermo vieillissement sur les propriétés des polymères. Cette contribution comporte deux volets : Le premier consiste en la modélisation neuronale de la masse moléculaire moyenne en poids (𝑀 ̅ 𝑤) et en nombre (𝑀 ̅ 𝑛) au cours de l’oxydation photo-thermique de polypropylène. Un ensemble de données de 116 points a été utilisé pour tester le réseau neuronal. Trois neurones ont été utilisés dans la couche d’entrée, vingt trois dans la couche cachée et deux dans la couche de sortie. Les analyses statistiques du modèle neuronal montrent un bon accord avec les données expérimentales (un coefficient de corrélation égal à 0,9864 et 0,9688 et une racine de erreur quadratique moyenne égale à 11,1250 kg /mol et à 3,5284 kg /mol pour la masse moléculaire moyenne en poids et en nombre respectivement). Le second volet nous a permis de développer deux modèles RNAs valables pour la modélisation des groupes carbonyle lors du vieillissement photo-thermique et vieillissement thermique des polymères. Un ensemble de 2450 points de données pour l’indice de carbonyle "RNA1" et 577 points pour la concentration de carbonyle "RNA2" ont été utilisés pour tester la performance des réseaux de neurones. Une bonne concordance entre les valeurs expérimentales et les valeurs prédites pour les deux modèles neuronaux a été obtenue (R = 0,9471 pour l’indice de carbonyle "RNA1" et R = 0,9830 pour la concentration de carbonyle "RNA2"). Les racines d’erreurs quadratiques moyennes pour l'ensemble de données total étaient respectivement de 0,0958 et 0,0291 mol/l pour RNA1 et RNA2. La comparaison entre les résultats expérimentaux et calculés montre que les modèle RNAs sont capable de prédire les propriétés physico-chimiques pendant le vieillissement photo-thermique des polymères. Dans la deuxième contribution, nous avons utilisé la modélisation par la relation quantitative structure propriété (QSPR) pour la prédiction des propriétés de la photostabilisation des polymères. A cet effet, huit modèles (quatre modèles de réseaux de neurones (RN) et quatre modèles de régressions linéaires multiples (RLM)) ont été élaborés respectivement pour l’indice de carbonyle (ICO), l’indice d’hydroxyle (IOH), l’indice de polyéne (IOP) et le poids moléculaire moyen viscosimétrique (𝑀 ̅ 𝑣). À partir des cinq unités répétées de monomères, la structure du polymère étudié est montrée. Les modèles QSPR obtenus à l'aide de descripteurs pertinents ont montré une bonne prévisibilité. La validation interne {R2, REQM et Q2 LOO}, la validation externe {R2, REQM, Q2 pred, 𝑟𝑚 2̅̅̅, Δ𝑟𝑚 2 , k et k’} et le domaine d’applicabilité ont été utilisés pour valider ces modèles. La comparaison des résultats obtenus montre que les modèles RNA sont plus efficaces que ceux des modèles RLM. En conséquence, le modèle QSPR développé dans cette étude fournit d'excellentes prévisions et peut être utilisé pour prédire les propriétés des polymères (ICO, IOH, IOP et 𝑀 ̅ 𝑣) en particulier pour ceux qui n'ont pas été testés.