Modélisation Par Réseaux De Neurones Artificiels Et Machines À Vecteurs Supports : Contribution À L’étude De L’influence Des Descripteurs Sur La Solubilité De Quelques Solutés Solides Dans Le Co2 Supercritiques

Résumé: L'objectif principal de cette étude est d'évaluer le potentiel des modèles basés sur l'intelligence artificielle pour modéliser la solubilité de certains solutés solides dans le dioxyde de carbone supercritique en utilisant. Cette étude propose deux nouveaux algorithmes de modélisation, à savoir les réseaux neuronaux artificiels (RNA) et Support Vecteur Machine (SVM), pour une prédiction précise de la solubilité de 25 systèmes utilisant différentes combinaisons de paramètres opérationnels couramment disponibles et deux types de descripteurs. Dans ce travail,la base de données a été recueillie à partir de documents scientifiques, qui contiennent la solubilité de divers systèmes. Ces approches ont été programmées en utilisant le logiciel Matlab. Le RNA conçu a été obtenu avec l'architecture de neurones {10, 16, 1} dans l'entrée, la couche cachée et la couche de sortie respectivement. Ce dernier a été optimisé et testé pour prédire la solubilité avec {0.0472 , 0.99692} en termes de MSE(test) (%) et R2 respectivement. En comparant avec le modèle ANN, l'algorithme SVM, cette comparaison montre une plus grande précision pour la phase de test avec {0.174 , 0.910806} en termes de MSE(test) (%) et R2 respectivement. Les résultats confirment que le modèle RNA était plus précis, stable et rapide que la méthode SVM. En considérant la précision de la prédiction, la stabilité du modèle et l'efficacité de calcul, le modèle SVM est fortement recommandé pour estimer la solubilité du soluté solide sélectionné dans le dioxyde de carbone supercritique.

Publié dans la revue: