基于PCA-SS-LSSVM的循环冷却水腐蚀预测

基于PCA-SS-LSSVM的循环冷却水腐蚀预测
Prediction of corrosion of circulating cooling water based on PCA-SS-LSSVM
董 超1，胡艳珍1，李晨光2
DONG Chao 1, HU Yan-zhen 1, LI Chen-guang 2
（1.天津理工大学 天津市复杂系统控制理论及应用重点实验室，天津 300384；
2.中国石油化工股份有限公司天津分公司，天津 300271）
摘 要：为了解决石化现场腐蚀速率测量的滞后性以及高成本性，根据软建模的思想，利用智能的组合算法PCA-SS-LSSVM将某石化企业40个月的循环冷却水实际生产数据进行了腐蚀预测研究。

经过训练建模，得到了能够精确预测腐蚀速率的模型参数和模型结构。

在相同数据输入的情况下，使用PCA降维的模型其速度比原始数据输入的模型计算速度明显提高；PCA-SS-LSSVM模型与PCA-GA-LSSVM模型相比在收敛速度以及精确度等条件上均有很大的优势。

结论对于循环冷却水的腐蚀预测具有科学指导意义且有广泛的应用价值。

关键词：支持向量机；智能优化；腐蚀预测；循环冷却水；建模仿真中图分类号：TP391 文献标识码：A 文章编号：1009-0134(2017)10-0079-04
收稿日期：2017-05-17
作者简介：董超（1978 -），男，山东人，博士，主要研究方向为过程控制。

0 引言
随着循环冷却水的不断重复利用，受到水源、工艺条件和工艺介质等的影响，循环冷却水水质会不断恶化，容易导致设备形成水垢、产生腐蚀，进而影响设备寿命、安全生产和经济运行[1]。

循环冷却水系统的腐蚀预测一直是研究领域的热点问题。

国外最早的学者通过某一特定参数判断腐蚀倾向。

1936年朗格利尔（Langelier）根据水中碳酸溶解平衡理论通过计算水中实际PH值与饱和PH值的差值来判断腐蚀结垢趋势，称为朗格利尔指数[2]。

1944年雷兹纳（Ryznar）提出了雷兹纳（Ryznar）指数RSI。

1972年法特诺（Feitler）提出了临界指数[3]。

1979年帕科雷卡斯（Puckorius）通过对朗格利尔指数和雷兹纳指数的修改，提出了在实际应用中更为准确的纯经验指数PSI [4]。

随后国内外学者们提出了一系列模型。

1998年日本学者武田均, 丸屋剛利用神经网络对钢筋的腐蚀进行了预测，奠定了后来神经网络的广泛使用[5]。

2010年Lason T.E.和Skold R.V提出拉森腐蚀指数，通过大量的
研究得出水质对铁的腐蚀性与氯离子、硫酸根离子和碱度有关[6]。

2013年AliChamkalani, MiladArablooNareh’ei, RezaChamkalani, MohammadHadizargari, MohammadReza Dehestani-Ardakani和Mansoor Farzam初次基于神经网络方法的流程线研究了CO 2腐蚀预测软计算方法[7]。

2014年东北电力大学曹生现等根据由循环冷却水在线监控系统监测得到的某电厂实际运行数据，应用范数灰色关联法得到腐蚀的主要影响因素，然后应用基于粒子群算法的小波神经网络预测腐蚀速率[8]。

2015年天津理工大学董超等人利用小波神经网络对循环水腐蚀建立了预测模型[9]。

2016年Sobhan Hatami, Alireza Ghaderi-Ardakani, Mohammad Niknejad, Farzan Karim, Mohammad R. Rasaei 和Amir H. Mohammadi使用基于最小二乘支持向量机（LSSVM）混合模型建立了一个预测CO 2腐蚀率的模型。

结果表明，高斯核函数是所需的功能，可以提供高的精度预测在石油和天然气行业的二氧化碳腐蚀[10]。

但是由于腐蚀是一个典型的非线性问题[11]，学者们所提出
的模型均有一定的局限性，由此本文旨在提出一个会更
加精确且应用广泛的模型。

PCA-SS-LSSVM算法是一个可以解决非线性并且对输入数据没有要求的具有自学习能力的算法，其可以很好地进行腐蚀预测，本文利用这一算法取得了相应的预测结果。

1 PCA-SS-LSSVM
PCA-SS-LSSVM是一种标准支持向量机的改进组合算法
[12,13]。

采用最小二乘线性方程代替传统标准向量机
中ε不敏感损失函数，从而将原来的非线性约束转变为线性约束[14,15]。

利用分散搜索算法（SS）对惩罚因子和核函数宽度进行寻优，从而找到最优组合来提高模型的精度[16,17,18]。

由此就形成了扩展的向量机SS-LSSVM。

由于结垢问题受到众多因素影响，因此引入了主成分分析（PCA）对其进行了降维处理，以达到不影响模型精度的条件下提高计算速度的目的[19,20]。

其算法结构框图
如图1所示。

图1 算法结构框图
由上图可知该算法的输入变量在经过PCA降维处理之后得到主成分，并将其作为模型的输入进行训练建模。

其中模型的参数寻优由SS得到。

经过SS-LSSVM的建模预测之后输出变量，当输出变量的误差允许值超过设定范围，则返回输入重新计算。

该算法的流程图如图2所示（Pr为PCA降维以后得到的成分）。

2 基于PCA 的腐蚀因素相关性分析
主成分分析是把各变量之间互相关联的复杂关系进行简化分析的方法。

在力求数据信息丢失最少的原则下，对高维的变量空间降维。

本文的预测数据来源于某石化企业循环冷却水系统近几年的生产运行数据。

其中对腐蚀有影响的水质因素有15个，具体如表1所示。

本文实验研究中选取了其中200天的实际生产数据，初始样本如表2所示。

对表中原始数据进行归一化处理后，使用PCA算法
随其进行降维处理分析，得到的主成分贡献率如表3所
示，图3为特征值的碎石分布。

图3 碎石分布
表1 参数名称对应表
参数名称参数名称参数名称X1浓缩倍数X6COD(mg/L)X11钾离子(mg/L)X2浊度(mg/L)X7电导率(us/cm)X12钙离子(mg/L)X3余氯(mg/L)X8总铁(mg/L)X13氯离子(mg/L)
X4总磷(mg/L)X9总碱(mg/L)
X14异养菌X5
正磷(mg/L)
X10
粘泥
X15
pH
图2 算法流程图
但要求提取的主成分包涵原信息的90%以上，为此提取的主成分个数为6，其中F1～F6为降维后的6个新变量，通过特征值向量表示为如下表达式：
由上式主成分因子可以得到在15个水质因素中pH
值、总磷、电导率、钙离子、氯离子、浊度对腐蚀速率的影响较大，与实际生产中结论一致。

表2 初始样本数据表
浓缩倍数浊度余氯总磷正磷COD 电导率总铁237.9000 4.90000.513011.420012.84000.2000 2.89000.2700244.0000 4.60000.512012.510012.19000.5000 2.97000.2100253.2000
6.30000.51209.570011.33000.2000 2.81000.2290……………………
7.6300 4.10000.10009.470011.59000.20001900.00000.199050.4500 3.80000.10009.740011.10000.19001967.00000.211077.500012.70000.10009.520010.77000.19002880.0000
0.2100总碱粘泥钙离子钾离子氯离子异养菌pH 粘附速率8.580020.20009.2000595.500065.0000 5.80000.016.900020.250010.7000600.500063.0000 6.00000.027.540020.200011.2000560.4000
94.0000 6.00000.02……………………173.90001395.300016.0000620.500064.00008.38000.01219.600013420.500073.0000234.300060.00008.27000.02310.2500
14
555.5000
11.8000
234.3000
61.0000
8.2600
0.07
表3 特征值及其累计贡献率
序号初始特征值
合计贡献率/%累积贡献率/%
17.85152.34252.3422 1.78011.86964.2113 1.4199.46173.6734 1.1427.61781.28950.968 6.45187.74060.730 4.86492.60470.517 3.44596.04980.384 2.56098.6109 1.1360.90499.514100.0390.26399.777110.0200.13199.908120.0090.05999.968130.0050.03299.999140.000072280.000100.00015
0.00002227
0.000
100.000
从表3可以看出，前6个主成分的累计贡献率已超过
90%，另外在图3中，主成分数在m=2处有明显拐点，
3 基于SS-LSSVM 的预测模型
3.1 SS 优化LSSVM 模型
SS算法是一种功能等同于GA、PSO等的优化算法，其目的是为了寻找惩罚因子与核函数宽度的最优化解。

SS算法较之GA有实现动态跟踪功效，较之PSO可以避免局部寻优弊端。

本文利用SS算法优化LSSVM模型中，就是要寻找惩罚因子C与核函数宽度，使得LSSVM训练集中预测均方差E最小、决定系数R最大。

在训练LSSVM中，关于解的编码，是通过令个体I=(C,)，其中惩罚因子C=(0.01,1000)，核函数=[0.100]，另外SS 算法参数设置为：初始解集的大小N=100，参考集中高质量解集和多样性解集的个数分别为10、10；局部搜索过程中迭代次数最多为30，终止参考集更新的迭代次数为200。

在保证E最小，R最大的条件下，一次迭代计算，得到最优的惩罚因子C=8.2751，核函数=0.0326。

此时SS算法的收敛曲线如图4所示。

图4 SS算法收敛曲线
3.2 实例仿真结果
基于SS优化后的LSSVM模型，利用PCA降维后的数据分别进行SS-LSSVM与GA-SS-LSSVM进行腐蚀速率预测，得到仿真曲线如图5、图6所示。

图5 SS-LSSVM仿真结果
图6 GA-LSSVM仿真结果图
SS-LSSVM和GA-LSSVM预测的均方差和标准方差
如表4所示。

表4 各算法误差表
网络结构SS-LSSVM GA-LSSVM RMSE 0.00330.0011NRRMSE
0.0920
0.0611
由上表可知SS-LSSVM预测精度更高，优于GA-LSSVM。

4 结论
本文利用某石化实际的生产数据，基于PCA-SS-LSSVM算法对循环冷却水进行了腐蚀预测。

通过对模型的训练得到了模型最优的参数惩罚因子和核函数，并对SS-LSSVM与GA-LSSVM进行了预测精度比较，得出了SS-LSSVM的精度更高的结论。

本文的研究结论为循环冷却水生产运行提供了可靠地测趋势，可以及时处理腐蚀问题，具有很重要的工程使用价值。

参考文献：
[1] 张凌峰.工业循环冷却水智能辅助分析平台的关键技术研究
[D].天津:天津理工大学,2012.
[2] L a n g e i l e r W. F.T h e A n a l y t i c a l C o n t r o l o f A n t i -corrosive Water Treatment[J].American Water Works Association,1936,28(10):1500-1505.
[3] Stiff.H.A Davis.L.E. A method of predicting the tendency
of oilfield water to deposit calcium sulfate[J].Petro.Trans.AIME,1952(195):25-32.
[4] Stiff.H.A Davis.L.E. A method of predicting the tendency
of oilfield water to deposit calcium sulfate[J].Petro.Trans.AIME,1952(195):220-230.
[5] Kern D Q,Seaton R E. A theoretical analysis of thermal surface
fouling[J].Chem Eng Prog,1959,4(5):258-262.
[6] Sheikh A K,Zubair S M,Younas M,et al.Some Remarks on
the Probabilistic Basis for Charaeterizing Fouling Data[A].Understanding Heat Exehanger Fouling and its Mitigation[C].New
YOrk:Begell House,1999,393-400.
[7] I. Y. Suleiman,O. B. Oloche,S. A. Yaro,Q. Qu,E. Stupnisek-Lisac.
The Development of a Mathematical Model for the Prediction of Corrosion Rate Behaviour for Mild Steel in 0.5 M Sulphuric Acid[J]. ISRN Corrosion,2013,vol.2013.
[8] 曹生现,李思博,刘学冰,徐秀国,张素燕.基于水质监测的换热器
结垢、腐蚀预测模型[J].工程热物理学报,2014,02:324-328.[9] 董超,王冠兰,李晨光,罗丹.基于小波神经网络的循环冷却水腐
蚀研究预测[J].化工自动化及仪表,2016,06:599-603.
[10] Inamullah Khan,Raoul Franµois,Arnaud Castel. Prediction of
reinforcement corrosion using corrosion induced cracks width in corroded reinforced concrete beams[J].Cement and Concrete Research,2014,56.
[11] 董超,张凌峰,李荣,等.循环冷却水系统腐蚀速率的预测模型[J].
化工自动化及仪表,2011,06:676-678.
[12] Gorjaei R G, Songolzadeh R, Torkaman M, et al. A novel PSO-LSSVM model for predicting liquid rate of two phase flow through wellhead chokes[J].Journal of Natural Gas Science and Engineering,2015,24:228-237.
[13] Gao J, Yu J, Leng Z. The application of PSO-LSSVM in fault diagnosis of subway auxiliary inverter[J].ICIC express letters. Part B,Applications: an international journal of research and surveys,2013,4(3):777-784.
[14] 顾燕萍,赵文杰,吴占松.最小二乘支持向量机的算法研究[J].清
华大学学报,2010,50(07):1063-1066,1071.
[15] Wei Huang, Fengchen Huang, Jing Song. Water Quality Retrieval
and Performance Analysis Using Landsat Thermatic Mapper Imagery Based on LS-SVM[J].Journal of Software,2011, 6(8):411-422.
[16] 王晓晴,唐加福,韩毅.分散搜索算法研究进展[J].系统仿真学
报,2009,21(11):3155-3159.
[17] 郭希旺,刘士新,王大志.多目标拆卸序列优化问题的分散搜索
算法[J].东北大学学报（自然科学版）,2012,3(11):56-59.
[18] 朱文兴,程泓.VISI电路划分问题的分散搜索算法[J].电子学
报,2012,40(6):1207-1212.
[19] 周松林,茆美琴,苏建徽.基于主成分分析与人工神经网络的风
电功率预测[J].电网技术,2011,35(9):128-132.
[20] 孙刘平,钱吴永.基于主成分分析法的综合评价方法的改进[J].
数学的实践与认识,2009,39(18):15-20.
3 离心力对配合性能的影响分析
研究表明[5～7]，在高速旋转状态下，过盈连接被包容件配合面处的径向位移会小于包容件配合面处的径向位移，从而使有效过盈量减少，影响转矩的可靠传递。

因此对于高转速工况，过盈连接的设计计算不仅要满足传递转矩的要求，还要考虑离心力带来的影响。

本文采用有限元法对不同转速下的配合面接触压力
进行了计算，结果如图8所示。

图8 接触压力与转速关系
由图8可以看出，随着转速不断增大，配合面接触压力逐渐减小；当转速超过3500r/min时，接触压力会降为零，这时配合面出现缝隙，转矩传递能力为零，过盈连接失效。

当转速较低时，配合面接触压力降低并不是很明显，此时过盈连接由旋转离心力产生的影响非常有限；但转速一旦超过一定值，接触压力会快速递减。

这是由于高转速时，配合面会产生较大的旋转离心拉应力，离
心拉应力会抵消部分由过盈产生的压应力，从而降低了接触压力和转矩传递能力。

4 结论
1）本文采用解析法和有限元法对过盈连接分别进行了计算，得到了配合面的真实接触状态；结果表明配合面上接触压力并不是均匀分布，而是沿轴向呈U形分布，中部数值分布相对均匀，与理论计算值也较吻合，在两端存有应力集中，数值突变较大。

2）过盈连接性能不仅与初始过盈量有关，而且受旋转速度的影响；尤其当转速很高时，这种影响较大，有可能成为影响过盈配合性能的主要因素，此时过盈连接计算必须考虑离心力作用，并给予补偿。

参考文献：
[1] 张志宏,张和平,刘忠明,等.过盈联接对空心轴内花键的影响及
分析[J].机械传动,2011,10:38-41.
[2] 许小强,赵洪伦.过盈配合应力的接触非线性有限元分析[J].机
械设计与研究,2000,01:33-35.
[3] 王少江,李学明,张安鹏,等.大型焊接齿轮与轴过盈配合有限元
分析[J].煤矿机械,2015,05:134-136.
[4] 成大先.机械设计手册（第2卷）[M ].化学工业出版
社,2010:(5)277-(5)286.
[5] 卢萍,崔大宾,王宁.高速列车轮轴过盈配合性能分析[J].机械设
计与制造,2010,08:196-198.
[6] 张松,艾兴,刘战强.基于有限元的高速旋转主轴过盈配合研究
[J].机械科学与技术,2004,01:15-24.
[7] 周鹤群,汪中厚,谢云波,等.基于FEA的传动轴过盈配合精密分
析[J].机械传动,2010,01:60-65.
【上接第50页】。