Abstract:
Dans la présente étude, les solubilités de 7 différents solutés solides dans le dioxyde de carbone supercritique ont été modélisées par un réseau de neurones artificiels optimal à trois couches 5-10-1 en utilisant soit l’algorithme de Levenberg-Marquardt (trainlm) soit l’algorithme de régularisation bayesienne (trainbr). Le réseau multicouche développé comprend comme variables d'entrée la température, la pression, la température critique, la pression critique et le facteur acentrique des composés étudiés. Les résultats du réseau développé ont été comparés aux données expérimentales de la littérature ainsi qu’aux résultats obtenus en utilisant les équations cubiques de Peng-Robinson et Redlich-Kwong-Soave combinées à la règle de mélange VDW1. Le modèle RNA montre une déviation absolue relative globale (AARD) de 5,51 %, tandis que le AARD obtenu en utilisant PR et RKS avec la règle de mélange VDW1 sont respectivement de 13,99 % et 22,96%. L’analyse statistique des résultats montre clairement que le RNA présente de meilleurs résultats que PR et RKS et peut être considéré comme un outil fiable et utile pour l’estimation de la solubilité dans le CO2 supercritique
