Modélisation du procédé d'hydrotraitement du gasoil à l'aide des réseaux de neurones artificiels

Abstract

Le procédé d'hydrotraitement du gasoil est l'un des procédés les plus importants en raffinage, il permet l'amélioration des caractéristiques du carburant diesel pour atteindre les spécifications requises et les normes de pollution. La modélisation de ce procédé permettrait, entre autres, de prévoir la qualité des produits en fonction des différentes variables opératoires (température, pression, vitesse spatiale). Il existe plusieurs techniques de modélisation, parmi elles la modélisation de type boite noire ; cette méthode sera utilisée pour modéliser le procédé d'hydrotraitement à l'échelle pilote. L'approche adoptée pour ce travail est une approche par intelligence artificielle. Le modèle élaboré est un réseau de neurones de type Multi Layer Perceptron (MLP). L'apprentissage du réseau s'effectue suivant l'algorithme de rétropropagation du gradient avec momentum, la technique de l'arrêt prématuré (early stopping) a été utilisée pour éviter le phénomène de surajustement et garantir ainsi une bonne généralisation du modèle. Les résultats obtenus sont très satisfaisants, l'erreur de test est inférieure à 7%