Application des réseaux de neurones artificiels (ANN) à l'optimisation des paramètres de décantation des rejets d'un circuit de flottation sous MATLAB

Cette étude a évalué l’application des réseaux de neurones artificiels (ANN) pour la modélisation du procédé de décantation d’un rejet de flottation de minerai sulfuré de cuivre. Comparativement à la régression linéaire, les ANN ont montré une amélioration notable du coefficient de détermination , en particulier pour la turbidité du surnageant (0,1147 à 0,7114), tandis que le gain pour la vitesse de décantation demeure plus modéré (0,613 à 0,6995). Malgré ces améliorations, les performances obtenues demeurent inférieures aux seuils généralement admis pour une modélisation prédictive robuste (). Les modèles développés constituent néanmoins une première approche prometteuse ; toutefois, leur fiabilité pourrait être significativement renforcée par un enrichissement de la base de données expérimentale, notamment par l’augmentation du nombre d’essais et la réalisation de répétitions ainsi que par une optimisation plus approfondie de l’architecture du réseau, en vue d’une application pertinente.