Modélisation d’un paramètre pertinent des phénomènes de transport lié à la pollution atmosphérique et/ou la pollution des rejets industriels.

Abstract

L’objectif principal de cette étude est la modélisation d’un paramètre pertinent des phénomènes de transport lié à la pollution atmosphérique et/ou la pollution des rejets industriels. L’étude a été apportée pour développer des modèles mathématiques de type (RQSP-RNA) et (RNA), afin de prédire le coefficient de diffusion DAB des différents polluants dans cinq systèmes expérimentales distincts, utilisant le Réseau de Neurone Artificiel-Perceptron Multi Couches (RNA-PMC) et l’approche des RQSP. Dans lequel, cinq modèles ont été élaborer pour prédire cinq coefficients de diffusion différents : DAB des couples Polluants à différents T°, DAB des couples Polluants-Air à T=25°C, DAB des couples Polluants-Eau à T=25°C, DAB des couples Polluants-Air à T=100°C et DAB des couples Polluants-Eau à T=100°C. Deux bases des données ont été utilisées : la première contient 148 points expérimentales utilisées pour développées quatre modèles de type RQSP-RNA, et la deuxième englobe 727 points expérimentales utilisées pour développer un modèle de type RNA. Les deux bases ont été divisée de manière aléatoire en deux et en trois sous-ensembles respectivement ; 80% et 20% pour les ensembles d’apprentissage et de test pour la première base de données, puis 70%, 15% et 15% pour les ensembles d’apprentissage, de test et de validation pour la deuxième base de données. 1970 descripteurs moléculaires ont été calculées à partir du logiciel en ligne PaDEL Descriptor, et ensuite une méthodologie statistique de réduction a été adoptée pour sélectionner les descripteurs pertinents. L’algorithme BFGS a été appliqué pour entraîner les RNAs. L’architecture des meilleurs modèles obtenus était : ""7-24-1"", ""20-2-1"", ""11-2-1"", ""16-6-1"", et ""9-10-1"" ; respectivement pour les modèles de : DAB_Couples à différents T°, DAB_Air à T=25°C, DAB_Eau à T=25°C, DAB_Air à T=100°C et DAB_Eau à T=100°C. Les résultats étaient très encourageants confirmée par les valeurs de coefficient (R2) élevées, qui dépassent 0,92 pour les cinq modèles, et les faibles valeurs de (ESP) qui ne dépassent pas 14,2423% pour le modèle neuronal de DAB_Couples à différents T°, et 6,8527% pour les quatre modèles restants de type RQSP-RNA. Les résultats de l’analyse de sensibilité ont montré bien l’importance des paramètres d’entrées utilisées dans chaque modèle. Cette approche computationnelle peut être appliquée en l’ingénierie environnemental ou d’autres domaines reliés pour une détermination précise de coefficient DAB des polluants par l’utilisation des paramètres liés aux structures chimiques et aux phénomènes physiques.