Résumé:
Ce travail vise à modéliser le phénomène d'adsorption mono- et multi-composants. L’étude s’attache à
développer un modèle neuronal capable d’anticiper les quantités adsorbées d’un mélange terna ire composé
du bleu acide 92, du vert direct 6 et du rouge direct 31, sur un matériau adsorbant élaboré par l’architecture
nanopolymère Gemini (GPN). Le modèle proposé repose sur le développement d’un programme dans
l’environnement MATLAB
®
.
Les résultats révèlent que le Réseau Neuronal Statique Optimisé (OSNN) présente une architecture de (--)
comprenant _ neurones dans la couche d’entrée, _ neurones dans la première couche cachée, _ neurones dans
la deuxième couche cachée et _ neurone(s) dans la couche de sortie. Le modèle neuronal basé sur
l’algorithme RNAO a réussi à reproduire fidèlement les données expérimentales issues de la littérature avec
une grande exactitude, atteignant une erreur quadratique moyenne (MSE) de _ et un coefficient de
corrélation R
2
= _.
Ces résultats confirment la performance et la fiabilité du modèle neuronal développé pour simuler le
comportement d’adsorption avec une grande précision.
