"Modélisation de la rétention des composés organique par les membranes d’osmose inverse et nanofiltration en utilisant les réseaux de neurones multiples (RNM)."

Abstract

"Le but de ce travail est d'utiliser les réseaux neuronaux multiples (RNM) dans la modélisation des rejets des composés organique au cours des processus de nanofiltration et d’osmose inverse. Une base de données totale de 278 rejets et 23 composés organiques ont été recueillis de la littérature pour construire le modèle multiple (RNM). La base d’apprentissage (223 points de données) est ré-échantillonnée à l'aide d'une technique de bootsrap pour former différents ensembles de données de formation. Pour chaque base, un modèle individuell RNI est construit, et testé. Les résultats obtenus à partir des modèles RNI développés sont ensuite combinés par une moyenne simple. Un très bon accord entre les rejets prédits et expérimentaux pour le modèle RNM a été obtenu (le coefficient de corrélation pour l'ensemble de données de test était de 0.9819). La comparaison entre le RNM, le réseau neuronal simple (RNS) a révélé la supériorité du modèle RNM. La racine de l’erreur quadratique moyenne était de 5.9043% pour la RNM, 6.294% pour le RNS pour la base de test."