본 연구에서는 투과 유량 모델을 개발하기 위하여, 시간, 막 전후의 압력 차, 회전 속도, 막의 기공 크기, 동점도, 농도 및 공급 유체의 밀도 등 7개의 입력 변수에 기반한 두 종류(ANN 및 SVM) 인공지능 기법을 이용하였다. 시행착오법과 실험데이터와 예측 데이터 간의 결정 계수(R2) 와 평균절대상대편차(AARD)를 포함한 두 가지 통계 변수를 통해 최적의 모델 을 선정하였다. 최종적으로 얻어진 결과에서 최적화된 ANN 모델이 R2 = 0.999 및 AARD% = 2.245인 투과 플럭스 예측 정 확도를 보여서, R2 = 0.996 및 AARD% = 4.09의 정확도를 보인 SVM 모델에 비해 더 정확함을 알 수 있었다. 또한, ANN 모델은 SVM 방식에 비해 투과 유속을 예측하는 능력도 더 높은 것으로 나타났다.

Two computational intelligence techniques namely artificial neural networks (ANN) and support vector machine (SVM) are employed to model the permeate flux based on seven input variables including time, transmembrane pressure, rotating velocity, the pore diameter of the membrane, dynamic viscosity, concentration and density of the feed fluid. The best-fit model was selected through the trial-error method and the two statistical parameters including the coefficient of determination (R2) and the average absolute relative deviation (AARD) between the experimental and predicted data. The obtained results reveal that the optimized ANN model can predict the permeate flux with R2 = 0.999 and AARD% = 2.245 versus the SVM model with R2 = 0.996 and AARD% = 4.09. Thus, the ANN model is found to predict the permeate flux with high accuracy in comparison to the SVM approach.

요 약
Abstract
1. Introduction
2. Theoretical Background
3. Dataset Collection
4. Results and Discussion
5. Support Vector Regression
6. Artificial Neural Networks
7. Comparison between Experimental andANN Modeling
8. Comparison between Experimental andSVM Modeling
9. Applicability Domain
10. Sensitivity Analysis
11. ANN Interface of Permeate FluxCalculation
12. Conclusion
Acknowledgements
Nomenclature
Abbreviation
Reference

• 수피안 라데그(메디아대학교 공정공학과, 티셈실트대학교 과학기술학부) | Soufyane Ladeg (Materials and Environmental Laboratory, University of Medea, Faculty of Sciences and Technology, University of Tissemsilt, Rue de Bougara-Ben Hamouda) Corresponding Author
• 모하메드 무사우이(부이라대학교 기계공학과, 메디아대학교 공정공학과) | Mohamed Moussaoui (Department of Mechanical Engineering, University of Bouira, Laboratory of Biomaterials and Transport Phenomena, University of Medea)
• 마마르 라이디(메디아대학교 공정공학과) | Maamar Laidi (Laboratory of Biomaterials and Transport Phenomena, University of Medea)
• 나지 물라이-모스테파(메디아대학교 공정공학과) | Nadji Moulai-Mostefa (Materials and Environmental Laboratory, University of Medea)