常减压装置腐蚀速率的灰色组合预测模型.pdf

《常减压装置腐蚀速率的灰色组合预测模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第44卷第2期化工技术与开发Vo1．44No．22015年2月Technology&DevelopmentofChemicalIndustryFeb．2015常减压装置腐蚀速率的灰色组合预测模型钟鸣，李启锐(广东石油化工学院，广东省石化装备故障诊断重点实验室，广东茂名525000)摘要：石化企业中的炼化装置结构复杂，影响因素众多，设备腐蚀程度难以控制，采用建立腐蚀预测模型的方法成为常减压装置腐蚀研究的新趋势。论文对灰色GM(1,1)模型和神经网络模型进行了分析，在此基础上使用一种复合灰色和神经网络的组合模型对设备腐蚀速率进行预测。实例检验表明，组合模型

2、的预测值比灰色模型更接近实测值，具有推广价值。关键词：常减压装置；灰色模型；神经网络模型；组合模型；腐蚀速率中图分类号：TG179文献标识码：A文章编号：1671．9905(2015)02—0037—03在整个原油加工装置中，常减压装置是首套装腐蚀趋势进行预测。如果能综合多种预测模型的优置，它为后面的二次加工提供原料，决定着炼油厂的点，利用多种有用信息。就可更全面地挖掘系统的内正常运行和产量。近年来我国进口原油劣质化严重，部联系，提高预测准确性。加重了对设备的腐蚀l1]。对常减压装置各种设备涉1组合模型及到的参数进行总结，HC1、H，S、水溶液是常减压

3、装置腐蚀的主要因素。腐蚀的因素众多且相互影响，在众多预测模型当中灰色预测方法和BP神经各腐蚀因素的内在关联尚未发现，而通过腐蚀模型网络方法较为突出，本文尝试在将两种模型进行组合的基础上，将原有模型进行优化，提高对目标变量可挖掘关键的腐蚀因素，并通过模拟各腐蚀因素与腐蚀速率之间复杂的非线性关系预测腐蚀结果，因的预测精度。此建立腐蚀速率预测模型的方法将成为常减压装置1．1灰色预测模型腐蚀速率预测研究的新方向f2】。目前，预测常减压灰色是指信息不完全、不充分，灰色系统就是部装置管道腐蚀速率的方法很多，如灰色模型、人工神分信息已知，部分信息未知的系统。灰色系统

4、适于经网络等。经典灰色模型预测精度较低，人工神经研究“小样本，贫信息，外延明确而内涵不明确”的网络预测精度相对较高，但各种神经网络预测模型对象。常减压装置的腐蚀正是各种因素对其影响的基本上都是通过揭示腐蚀影响因素与腐蚀速率之间综合结果，但各种影响因素的内在关系不明确，属灰存在的内在关联来进行预测的，在影响因素未明，输色量。根据灰色理论，将设备的腐蚀程度及时间序人样本少的情况下，预测精度仍然较差[3]。列看作灰色系统，某测试点在一定时间度的腐蚀减常减压装置的腐蚀是各种因素互相制约、综合薄量为灰色变量，可建立GM(1，1)模型。影响的结果，要准确地描述这些

5、因素与装置腐蚀速1．2神经网络预测模型率的内在关系是极其不易的。每一种预测模型均存人工神经网络(ArtificialNeuralnetwork，ANN)在一定局限性和缺陷，任何单个模型都难以系统地采用物理可实现的系统来模拟人脑神经网络，它实反映相关因素的内在关联，因此仅使用上述模型中质上是由大量的基本元件互相连接，通过模拟人的的一种模型，难以建立准确的数学模型对常减压的大脑神经处理信息的方式，进行信息并行处理和非基金项目：广东高校故障诊断与信息化控制工程技术开发中心基金项目(512023)；广东石油化工学院自然科学研究项目(2012qn0104)；茂名

6、市科技计划(2012B1036)作者简介：钟鸣(1978-)，男，广东石油化工学院实验师，研究方向：计算机网络，智能算法，E-mail：ztolly@163．COB，手机13824894180收稿日期：2014。11-1138化工技术与开发第44卷线性转换的抽象数学模型。由于神经网络能够建立原始残差序列{(}=徊’(一(，根据原始残差序从网络输入到网络输出的非线性映射过程，并且具列的特征，建立{(f)l的BP神经网络模型，得到模有大规模计算的能力，能通过神经网络拓扑结构反拟序列{；(}。映腐蚀影响因素和腐蚀结果的非线性关系。BP神3)记二次残差序列{w

7、(}=(一§(t)，在这个序经网络即反向传播网络，由于结构简单，且数学理论列中，剩下的主要是随机性成分，采用步骤2)建立已证明其具有实现任何的非线性映射的能力，因此的BP神经网络模型对随机性成分建模，得到模拟在各种领域得到广泛的应用。典型的BP网络由输序列{(1。入层、隐含层和输出层组成。同层结点之间没有联(4)将(r)序列、(序列以及(序列用最小系，不同层结点之间都实行全互连，前一层的输出即二乘法算出组合模型的各组成成分的权重、、，为后一层的输入。其中隐含层的传递函数可选用双则灰色组合模型为：曲切线s型函数，Sigmoid函数具有可微分性和非线X(t

8、)-~x(t)+fl；(f)(f)(1)性特征，加强了网络的非线性映射能力。而输出层2组合模型