石化工业循环水水质模型及评价的研究

论文摘要

循环水是石化企业生产的命脉,循环水的水质稳定可以保证石化企业各流程长期稳定地运行,为企业带来巨大经济利益的同时可以减少对环境的污染,并为节水减排打下坚实的基础。在循环水作业过程中,一般都是以经典指数的方法来进行循环水水质的评价。但经典指数法只能对水质的腐蚀与结垢特性做定性评价,并且评价的结果并不准确。石化工业循环水水质模型及评价的研究是以现场循环水的水质指标的数据仓库为基础,以数据的预处理、主成分分析以及神经网络的方法为手段,通过对各项循环水水质指标数据的收集、整合、处理和挖掘,把原始数据信息化,以实现通过各项实时的水质指标就可以对循环水水质做出科学评价的目标。本文的研究内容主要包括三部分:循环水水质数据的收集整合与数据的预处理。基础数据的预处理过程包括数据分类、数据清理、数据变换以及主成分分析等,为水质的综合评价建立数据基础。现场中常用到的经典指数有以下几种:朗格利尔指数、雷兹纳指数、普克雷斯指数、腐蚀指数、腐蚀因子与结垢因子等,基于基础数据本文计算分析了各类经典指数,并分析得出它们对循环水的水质评价。结合主成分分析将主元作为BP神经网络的输入,以循环水水质的腐蚀速率与结垢速率为网络的输出,建立循环水水质模型,经分析验证所建水质模型能满足评价循环水的水质的腐蚀与结垢的需要,为现场工作人员的实时决策提供科学依据。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 水质稳定性的研究现状
• 1.2.2 水质模型在国内外的研究现状
• 1.2.3 人工神经网络的在水质模型中的应用现状
• 1.3 本论文的主要工作
• 第二章 石化工业循环水水质模型研究的理论基础
• 2.1 数据预处理
• 2.2 主成分分析
• 2.2.1 基本概念
• 2.2.2 主成分分析基本过程
• 2.3 BP 神经网络
• 2.3.3 BP 网络模型
• 2.3.4 BP 学习算法
• 2.3.5 BP 网络的主要功能
• 2.3.6 BP 网络的局限性
• 2.4 本章小节
• 第三章 循环水水质基础数据的预处理
• 3.1 基础数据的提取
• 3.2 基础数据与MATLAB 的连接
• 3.3 循环水水质数据的数据预处理
• 3.3.1 数据的分类
• 3.3.2 数据的清理
• 3.3.3 数据的变换
• 3.4 主成分的选择
• 3.4.1 月检测数据的主成分分析
• 3.4.2 每天检测数据的主成分分析
• 3.5 本章小节
• 第四章 基于经典指数法的水质评价
• 4.1 水质指数与水质因子
• 4.1.1 水质指数
• 4.1.2 腐蚀因子与结垢因子
• 4.2 水质指数与水质因子的计算及分析
• 4.3 本章小节
• 第五章 循环水水质模型的建立及分析
• 5.1 BP 网络的设计
• 5.2 BP 网络的仿真与结论分析
• 5.3 本章小节
• 第六章 总结与展望
• 6.1 本课题主要工作总结
• 6.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢