"Modélisation de la synthèse enzymatique d’un tensioactif non ionique de type sucroester par la lipase de Rincinus communis"

Abstract

"Ce travail concerne la modélisation de la synthèse enzymatique d’un tensioactif non ionique de type sucroester par la méthode des réseaux de neurones artificiels. Dans le but de développer des modèles pour la corrélation et la prédiction de rendement nous avons appliqué la modélisation neuronale aux données expérimentale correspondant aux facteurs qui influent sur la synthèse enzymatique (concentration d’acide, activité de l’eau, vitesse d’agitation, temps, l’activité de lipase, le rapport, le rendement) avec une base de données de 65 valeurs de sortie. On a utilisé le type de « feed-forward », il se caractérise par une structure similaire : le nombre de neurone dans la couche d’entrée, les couches cachées avec leur nombre optimisé au cours de processus d’apprentissage et un neurone dans la couche de sortie. On a calculé la racine des erreurs quadratique moyenne pour la base de teste. Une bonne concordance entre les valeurs de rendement expérimentale et le rendement prédite. En plus, de l’excellente corrélation des valeurs expérimentales, notre modèle neuronal utilisé a montré une bonne capacité de prédiction."