Contribution à la modélisation du séchage solaire

Abstract

Modélisation du séchage solaire Le but de ce travail est la modélisation du phénomène de séchage solaire (direct et à l’air libre) de quelques plantes médicinales et quelques produits fruitiers en utilisant la méthode de réseau de neurones artificiels. Ce travail est divisé sur deux contributions. Dans la première contribution on a modélisé la teneur en humidité (MC) et le taux de séchage (DR) des plantes médicinales suivantes : (Menthe, Henna, Romarin, Marjolaine, Moghat, Verveine et le Laurier). La base de données expérimentale collectée à partir des articles scientifiques en utilisant le logiciel Digitizer (V.2.26) Ces données ont été utilisé pour la construction du modèle neuronale. La performance du modèle optimisé obtenu a été mesuré en employant deux critères statistiques qui sont le coefficient de corrélation (R) et la racine de l’erreur quadratique moyenne (REQM). Les résultats montrent que le meilleur modèle a été trouvé avec une REQM très satisfaisante de l’ordre de {4,589%, 1,185%} et un R très proche de l’unité {97,044%, 99,968%} pour les deux sorties respectivement. Ce réseau a été obtenu avec une structure de {10-28-14-2} neurones dans la couche d’entrée, première et deuxième couche cachée et la couche de sortie respectivement. Les résultats statistiques trouvés montrent clairement que le modèle développé est capable de modéliser à la fois plusieurs systèmes de séchage solaire des plantes considérées en comparaison avec les résultats trouvés dans la littérature. La deuxième contribution concerne la modélisation neuronale de la teneur en humidité (MC) et le taux de séchage (DR) de quelques produits fruitiers tel que Mangue avec deux variétés (Amelie et Brooks), Abricot, Raisin, Pêche, Figue, Prune, l'Aonla et fruit de Prune Greengage. La base de données regroupe les résultats de séchage des différents fruits séchés dans différents pays, avec des coordonnées géographiques différentes et un climat de séchage différent et par différents moyens et techniques de séchage. Après la phase d’apprentissage, validation et test, le modèle neuronal avec la REQM= {0,360%, 6,290%} et R= {99,986%, 98,409%} respectivement pour les deux sorties et avec une topologie de {10-29-13-2} s’avère capable de prédire les courbes des cinétiques de séchage solaire des produits considérées avec une performance très acceptable.