La prédiction de la rétention des pesticides lors de nanofiltration et d’osmose inverse par les modèles QSPR-RNA

Abstract

La prédiction de la rétention des pesticides lors de nanofiltration et d’osmose inverse par les modèles QSPR-RNA L’objectif assigné à ce travail est d’élaborer un modèle optimal de réseau de neurones basé sur la relation quantitative structure-propriété (QSPR-RNoptimal) pour modéliser la rétention des pesticides par les membranes d'osmose inverse et de nanofiltration. Un modèle neuronal de type feedforward (QSPR-RNoptimal) caractérisé par une structure (treize neurones dans la couche d'entrée, dix-sept neurones une couche cachée et un neurone dans la couche de sortie) est construit dans le but de prédire la rétention des pesticides. Un ensemble de227 points de données pour QSPR-RNoptimal a été utilisé pour tester le réseau de neurones. 80%, 20% de l'ensemble des données sont été utilisées respectivement pour l’apprentissage, le test de modèle. Les valeurs de la rétention calculées pour la phase de test ont été comparées aux valeurs de la rétention mesurées, de bonne corrélation a été trouvée (R =0.9028). L'analyse de sensibilité par la méthode de "poids" a révélé que les variables les plus pertinentes qui peuvent influer sur la rétention de pesticides par les membranes d’OI/NF exercent des contributions importantes (𝐼𝑅 > 5%).