关键词：循环冷却水系统;;腐蚀;;结垢;;主成分分析;;支持向量机;;分散搜索算法
摘 要：本文以天津某石化企业循环冷却水系统为研究对象,在降低生产故障率、提高经济效益、提高安全系数等要求的背景下,研究循环冷却水系统的常见水质故障腐蚀和结垢问题,旨在能准确预测其腐蚀结垢趋势,为企业及时采取措施防治提供科学依据。由于循环冷却水腐蚀结垢的产生受多因素的影响且具有不固定性、不规律性,是一个典型的非线性问题,因此目前国内外并没有统一化的预测方法。故而寻找一种最为精确、适合的预测算法是本文的研究关键。在石化实际运行中,对腐蚀、结垢有影响的参数主要有水质参数和设备参数,由于设备参数的特殊性,本文仅考虑水质参数。由于水质参数有15个之多,作为建模预测而言,过多的输入量会导致计算缓慢,占用大量资源等问题。但是由于每个参数均有其影响因子因而无法忽略,为此本文采用主成分分析(PCA)对15个水质参数进行降维处理,最终得到了六个主成分。这六个主成分最大程度地涵盖了原数据样本的信息,故而这六个主成分不仅保证了数据的完整性且解决了输入样本过大带来的问题。在降维得到的输入变量后,采用自监督型且有很强自学习能力的机器算法支持向量机(SVM)作为核心预测算法。由于支持向量机(SVM)内部参数不敏感系数、正则化参数和核函数宽度具有不唯一性的特点,且不同的取值会影响模型的精度等。故而采用最小二乘法优化不敏感系数,分散搜索算法(SS)优化正则化参数和核函数宽度,旨在得到最优的预测参数组合。同时将本文算法分别与遗传算法(GA)优化后的支持向量机、粒子群算法(PSO)优化后的支持向量机(SVM)进行比较,结果表明本文所研究的算法在实验结果精度、收敛速度等方面均优于别的优化算法优化支持向量机。本文算法得到的准确的腐蚀结垢速率模型为石化实际防治腐蚀结垢问题提供了理论依据和指导。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取