Modélisation neuronal de l’adsorption d’un système mono et multi composants

Abstract

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.