Browsing by Author "Mougari, Nour Elislam (Promoteur)"

Now showing 1 - 2 of 2

Application des réseaux de neurones artificiels pour la prédiction des paramètres de performances et des caractéristiques d'émission d'un moteur diesel
(Université M'hamed Bougara Boumerdes: Faculté de Technologie, 2023) Guellal, Aymen Abdelhadi; Hamzaoui, Abdellah; Mougari, Nour Elislam (Promoteur)
En raison de la diminution des réserves de pétrole et des préoccupations environnementales liées aux émissions des moteurs diesel traditionnels, l'utilisation du biodiesel en tant que carburant renouvelable et respectueux de l'environnement a suscité un vif intérêt. Cette recherche présente le développement de modèles basés sur l'approche des réseaux de neurones artificiels (RNA) pour prédire les paramètres de performance (rendement thermique effectif (BTHE) et consommation spécifique de carburant BSFC) et les caractéristiques des émissions (CO, CO2, HC, NOx, fumée) d'un moteur diesel alimenté par des mélanges de biodiesel animal et végétal. Les données expérimentales ont été recueillies à partir de la littérature, où différents mélanges de biodiesel et de diesel ont été créés en combinant du biodiesel pur avec des proportions variables de diesel. Le rapport de mélange diesel biodiesel a été considéré comme une variable d'entrée dans les modèles, tandis que la performance et les émissions ont été considérées comme des variables de sortie. Les résultats ont démontré une corrélation très satisfaisante entre les valeurs expérimentales et les valeurs prédites. L'analyse de performance a révélé une précision élevée des modèles. Les résultats ont atteint une valeur maximale de R de 0,99847 pour la prédiction des paramètres de performance (BTHE, BSFC) et une valeur de R² de 0,99128 pour la prédiction des émissions (CO, CO2, HC, NOx, fumée). Ces résultats indiquent que l'approche basée sur les réseaux de neurones artificiels est solide et présente une capacité prédictive élevée pour évaluer les performances (BTHE, BSFC) et les émissions (CO, CO2, HC, NOx, fumée) d'un moteur diesel alimenté par des mélanges de biodiesel animal et végétal, grâce à sa rapidité et à sa capacité d'apprentissage
Prédiction et Optimisation de la production de biogaz par procédé de méthanisation
(Université Mohamed Bougara de Boumerdes : Faculté de technologie, 2023) Benamar, Nasma; Mougari, Nour Elislam (Promoteur)
La Méthanisation est l'une des techniques les plus avantageuses pour la fourniture d'énergie durable et l'élimination des déchets. Cependant, la production de biogaz par une telle pratique peut s'avérer très complexe en raison des changements des paramètres d'exploitation, la non linéarité et de la surveillance minutieuse du processus. Face à ces obstructions, les techniques d'intelligence artificiel (IA) tel que les réseaux de neurones artificiel (RNA) et l'algorithme génétique (GA) se révèlent être une solution efficace, Grâce à l'utilisation de vastes ensembles de données et à l'application d'algorithmes avancés, ces techniques offre la possibilité de prédire et d'optimiser la production de biogaz. L'objectif de ce mémoire est de mettre en œuvre les réseaux de neurones artificiels (RNA) pour développer un modèle robuste, rapide et précis, en utilisant une base de données collectée des travaux publiés dans la littérature. Ce modèle a pour finalité de prédire la production de biogaz résultant de la Co-digestion des déchets alimentaires et des balles de maïs, en prenant en compte le rapport de mélange entre le substrat et l'inoculum, ainsi que le temps de digestion. Par la suite, le modèle basé sur les ARN est associé à l'algorithme génétique (AG), qui est un algorithme d'optimisation, dans le but de déterminer la combinaison optimale du rapport l'inoculum/ substrat et du temps de digestion permettant d'atteindre la production maximale de biogaz. Les résultats globaux de ces études révèlent que le modèle basé sur les réseaux de neurones artificiels combinés à l'algorithme génétique (AG-RNA), est un outil robuste et efficace, permettant une meilleure prédiction et optimisation de la production de biogaz. Ces techniques d'intelligence artificielle permettraient aux opérateurs de processus de digestion anaérobie de contrôler, d'évaluer et de prédire les paramètres opérationnels à l'avance, sans compromettre la stabilité du processus pour une production de biogaz améliorée et efficace. Ceci est important pour la sécurité environnementale future et la prospérité économique des systèmes de méthanisation