Modélisation de la dépollution des eaux par photo-catalyse hétérogène

Abstract

L'implantation, dans l'industrie de la photo-catalyse pour le traitement des eaux de rejet nécessite de nouvelles recherches dans le domaine de la modélisation vu la complexité des mécanismes impliqués (hydrodynamique, rayonnement et réaction chimique) qui rend difficile la prédiction de la performance des réacteurs et leur dimensionnement. Partant de ce principe, il nous est apparu intéressant de proposer une démarche qui consiste à exploiter les potentialités de deux techniques numériques que sont les réseaux de neurones artificiels et la mécaniques des fluides numérique dans la modélisation et la simulation de ce type de réacteurs. La première approche, basée sur la mécanique des fluides numérique (CFD), a permis l'élaboration d'un modèle global pour prédire le performance de fonctionnement d'un photo-réacteur solaire semi-pilote et ce, par le couplage entre l'hydrodynamique, la distribution du rayonnement et la cinétique chimique. Pour ce qui est du modèle hydrodynamique, les résultats obtenus numériquement ont été validés par des mesures expérimentales de la distribution des temps de séjour. L'hydrodynamique a été modélisée par une cascade de 20 réacteurs parfaitement agités. Le modèle numérique adopté a fidèlement représenté le comportement du réacteur. la vitesse d'absorption de photons requis pour le calcul de la cinétique photo-catalytique a été obtenue par résolution de l'équation de transfert radiatif. Les résultats numériques calculés pour le rendement de dégradation du bleu de méthylène ont révélé une bonne adéquation avec ceux mesurés expérimentalement. Les étapes suivies lors de la simulation nous ont permis de mieux représenter certains phénomènes mis en jeu dans le réacteur et de mieux comprendre les aspects fondamentaux de la photo-catalyse hétérogène. La deuxième approche consiste en un développement d'un programme sur Matlab pour déterminer l'architecture neuronale optimale ayant la capacité de prédire le rendement d'élimination photo-catalytique de deux polluants modèles que sont le CR(VI) et la tartrazine. Les résultats obtenus ont montré que la performance des réseaux générés par ce programme est fonction de leurs paramètres architecturaux. Après entrainement, nous avons constaté que l'algorithme d'apprentissage de régularisation bayésienne et les fonctions de transfert non linéaires se sont avérés être les mieux appropriés pour modéliser un tel procédé complexe.