Modélisation de l’élimination des métaux lourds par adsorption sur différents supports

Abstract

Modélisation de l’élimination des métaux lourds par adsorption sur différents supports Dans cette étude, le processus d'adsorption du nickel et du plomb sur des supports naturels, spécifiquement la bentonite et le charbon activé, a été modélisé à l'aide d'un réseau de neurones artificiels (RNA). L'objectif principal était de quantifier le rendement d'adsorption du métal adsorbé. Le modèle RNA développé a été validé pour évaluer son efficacité dans la prédiction des ensembles de données expérimentales pour le nickel et le plomb, l'erreur quadratique moyenne (EQM) du modèle a été calculée à 3,72x10-4, indiquant un modèle très précis. De plus, le RNA entraîné a été utilisé pour prédire l'influence de plusieurs paramètres, y compris le pH, le temps de contact, la concentration initiale en métal, la température, le matériau et la concentration de l'adsorbant, sur l'adsorption de ces métaux en utilisant les deux adsorbants différents. Le RNA a été bien construit et optimisé en utilisant une topologie 6-10-1. Les performances du modèle ont été évaluées en utilisant des données de test, qui ont montré des coefficients de corrélation élevés pour les valeurs de (R²) de 0,99430 et 0,99439 pour les données de validation et de test respectivement. Ces résultats indiquent la robustesse et la précision du modèle RNA dans la prédiction du comportement d'adsorption du nickel et du plomb sur la bentonite et le charbon active