Modélisation de la tension superficielle des mélanges binaires de liquides ioniques par les méthodes d’intelligence computationnelle

Abstract

"La tension superficielle des liquides ioniques (LI) et leurs mélanges avec d'autres composés jouent un rôle important dans la conception et le développement de nombreux processus industriels. Par conséquent, sa modélisation est extrêmement importante d'un point de vue industriel. Cette étude a examiné la capacité et la faisabilité de quatre méthodes d'intelligence computationnelle (RNA, ANFIS, SVM et LSSVM) pour prédire la tension superficielle de systèmes binaires contenant des LI. Pour construire et tester les modèles, 672 points de données correspondant aux valeurs expérimentales de tension superficielle de mélanges binaires contenant des LI ont été rassemblées de la littérature. La tension superficielle était comprise entre 21.8 et 71.9 mN.m-1. La température (T), la composition du LI (XIL), deux descripteurs basés sur les profils sigma, l’un relatif au caractère donneur de liaison H, l’autre relatif au caractère accepteur de liaison H, de l’anion du cation et du solvant ont été utilisés comme variables d’entrée du modèle pour différencier les divers composés impliqués dans les systèmes binaires. Une comparaison de données expérimentales et de valeurs prédites en utilisant les quatre méthodes (en termes plusieurs métriques statistiques) a montré un bon accord. Cependant, la prédiction par l'RNA était meilleure que les trois autres approches. Un diagnostic par des méthodes statistiques a révélé un certain nombre de données aberrantes, permettant ainsi d’établir le domaine d’applicabilité des modèles optimisés."