|
Résumé :
|
Dans cette étude, un réseau de neurones artificiels (RNA) a été utilisé pour développer des modèles prédictifs permettant d'estimer des propriétés de transport à des pressions multiples, sur une large plage de températures et de substances. Dans ce contexte, nous avons développé sept modèles neuronaux du type feedforward. Deux modèles destinés au calcul de la viscosité de gaz polaires et de gaz non polaires, trois modèles neuronaux pour lestimation de la conductivité thermique de gaz monoatomiques et de gaz polyatomiques (polaires et non polaires), et Les deux derniers modèles réservés au calcul du coefficient de diffusion des gaz. La qualité et la fiabilité de chaque modèle ont été estimées en termes de coefficient de corrélation (R), d'erreur quadratique moyenne (EQM), Racine carrée de lerreur (REQM) et de coefficient de validité externe (Q2ext). En fin, nous avons effectué une étude comparative entre les modèles neuronaux et les modèles proposés dans la littérature. Cette étude a révélé la précision et lefficacité des modèles neuronaux conçus et optimisés pour la prédiction des propriétés de transport.
|
