|
Résumé :
|
Les fluides supercritiques sont très utilisés dans les procédés de séparation et d'extraction appliqués dans les industries alimentaire, chimique, pharmaceutique et autres. La conception et l'amélioration des procédés d'extraction, de séparation et de purification dépendent principalement de la connaissance des propriétés supercritiques et de la solubilité des solides dans les fluides supercritiques (FSC). La mesure expérimentale des propriétés thermochimiques de ces composés en FSC est laborieuse et coûteuse. Pour éviter des expérimentations coûteuses, nous devons développer des modèles de prédiction flexibles et robustes pour estimer ces caractéristiques. La première partie de ce travail vise à modéliser les propriétés critiques de 6700 composés purs à partir de cinq 5 descripteurs moléculaires et de deux 2 propriétés thermodynamiques. Par conséquent, quatre méthodes ont été utilisées, à savoir la régression linéaire multiple (MLR), réseaux de neurones artificiels (RNAs), machine à vecteurs de support (SVM) et machine à vecteurs de support optimisé par lalgorithme Dragonfly (SVM-DA). Les résultats ont montré que le modèle SVM-DA a donné une meilleure capacité de prédiction par rapport aux autres modèles. Lobjectif de la deuxième contribution est la proposition dun nouveau modèle semiempirique avec huit paramètres. Ce modèle est développé en utilisant une large base de données de solubilité expérimentale contenant 130 solides dans le CO2 supercritique représentés par 3269 points de données expérimentaux disponibles dans la littérature. La comparaison en termes d'erreur relative absolue (ERA), montre que le modèle proposé est le meilleur avec une valeur de lERA moyenne de 7.42% par rapport aux meilleurs cinq modèles proposés dans la littérature. Dans la troisième partie, de cette étude, la solubilité de 145 solides dans le CO2 supercritique (CO2-SC) a été modélisée à l'aide des techniques d'intelligence computationnelle basées sur les modèles de relation quantitative structure/propriétés (QSPR). Une base de données contenant 3637 valeurs expérimentales de solubilité a été recueillie à partir des articles publiés antérieurement. L'erreur relative absolue moyenne totale (ERAM) obtenue par le modèle SVM-QSPR a été d'environ 1.345%, ce qui est meilleur que celui obtenu avec le modèle RNA-QSPR de 2.772%. Les résultats montrent que lapproche SVM-QSPR développé dans ce travail savère très efficace pour reproduire avec une très bonne précision la solubilité des solutés solides dans CO2-SC dune manière simple, fiable et robuste. Elle constitue ainsi une alternative crédible aux modèles classiques.
|
