亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于PCA-SS-LSSVM的循環(huán)冷卻水腐蝕預(yù)測(cè)

        2018-01-18 11:34:24胡艷珍李晨光
        制造業(yè)自動(dòng)化 2017年10期
        關(guān)鍵詞:降維冷卻水神經(jīng)網(wǎng)絡(luò)

        董 超,胡艷珍,李晨光

        (1.天津理工大學(xué) 天津市復(fù)雜系統(tǒng)控制理論及應(yīng)用重點(diǎn)實(shí)驗(yàn)室,天津 300384;2.中國(guó)石油化工股份有限公司天津分公司,天津 300271)

        0 引言

        隨著循環(huán)冷卻水的不斷重復(fù)利用,受到水源、工藝條件和工藝介質(zhì)等的影響,循環(huán)冷卻水水質(zhì)會(huì)不斷惡化,容易導(dǎo)致設(shè)備形成水垢、產(chǎn)生腐蝕,進(jìn)而影響設(shè)備壽命、安全生產(chǎn)和經(jīng)濟(jì)運(yùn)行[1]。循環(huán)冷卻水系統(tǒng)的腐蝕預(yù)測(cè)一直是研究領(lǐng)域的熱點(diǎn)問(wèn)題。

        國(guó)外最早的學(xué)者通過(guò)某一特定參數(shù)判斷腐蝕傾向。1936年朗格利爾(Langelier)根據(jù)水中碳酸溶解平衡理論通過(guò)計(jì)算水中實(shí)際PH值與飽和PH值的差值來(lái)判斷腐蝕結(jié)垢趨勢(shì),稱(chēng)為朗格利爾指數(shù)[2]。1944年雷茲納(Ryznar)提出了雷茲納(Ryznar)指數(shù)RSI。1972年法特諾(Feitler)提出了臨界指數(shù)[3]。1979年帕科雷卡斯(Puckorius)通過(guò)對(duì)朗格利爾指數(shù)和雷茲納指數(shù)的修改,提出了在實(shí)際應(yīng)用中更為準(zhǔn)確的純經(jīng)驗(yàn)指數(shù)PSI[4]。隨后國(guó)內(nèi)外學(xué)者們提出了一系列模型。1998年日本學(xué)者武田均, 丸屋剛利用神經(jīng)網(wǎng)絡(luò)對(duì)鋼筋的腐蝕進(jìn)行了預(yù)測(cè),奠定了后來(lái)神經(jīng)網(wǎng)絡(luò)的廣泛使用[5]。2010年Lason T.E.和Skold R.V提出拉森腐蝕指數(shù),通過(guò)大量的研究得出水質(zhì)對(duì)鐵的腐蝕性與氯離子、硫酸根離子和堿度有關(guān)[6]。2013年AliChamkalani, MiladArablooNareh’ei,RezaChamkalani, MohammadHadizargari, MohammadReza Dehestani-Ardakani和Mansoor Farzam初次基于神經(jīng)網(wǎng)絡(luò)方法的流程線(xiàn)研究了CO2腐蝕預(yù)測(cè)軟計(jì)算方法[7]。2014年?yáng)|北電力大學(xué)曹生現(xiàn)等根據(jù)由循環(huán)冷卻水在線(xiàn)監(jiān)控系統(tǒng)監(jiān)測(cè)得到的某電廠(chǎng)實(shí)際運(yùn)行數(shù)據(jù),應(yīng)用范數(shù)灰色關(guān)聯(lián)法得到腐蝕的主要影響因素,然后應(yīng)用基于粒子群算法的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)腐蝕速率[8]。2015年天津理工大學(xué)董超等人利用小波神經(jīng)網(wǎng)絡(luò)對(duì)循環(huán)水腐蝕建立了預(yù)測(cè)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機(jī)(LSSVM)混合模型建立了一個(gè)預(yù)測(cè)CO2腐蝕率的模型。結(jié)果表明,高斯核函數(shù)是所需的功能,可以提供高的精度預(yù)測(cè)在石油和天然氣行業(yè)的二氧化碳腐蝕[10]。但是由于腐蝕是一個(gè)典型的非線(xiàn)性問(wèn)題[11],學(xué)者們所提出的模型均有一定的局限性,由此本文旨在提出一個(gè)會(huì)更加精確且應(yīng)用廣泛的模型。PCA-SS-LSSVM算法是一個(gè)可以解決非線(xiàn)性并且對(duì)輸入數(shù)據(jù)沒(méi)有要求的具有自學(xué)習(xí)能力的算法,其可以很好地進(jìn)行腐蝕預(yù)測(cè),本文利用這一算法取得了相應(yīng)的預(yù)測(cè)結(jié)果。

        1 PCA-SS-LSSVM

        PCA-SS-LSSVM是一種標(biāo)準(zhǔn)支持向量機(jī)的改進(jìn)組合算法[12,13]。采用最小二乘線(xiàn)性方程代替?zhèn)鹘y(tǒng)標(biāo)準(zhǔn)向量機(jī)中ε不敏感損失函數(shù),從而將原來(lái)的非線(xiàn)性約束轉(zhuǎn)變?yōu)榫€(xiàn)性約束[14,15]。利用分散搜索算法(SS)對(duì)懲罰因子和核函數(shù)寬度進(jìn)行尋優(yōu),從而找到最優(yōu)組合來(lái)提高模型的精度[16,17,18]。由此就形成了擴(kuò)展的向量機(jī)SS-LSSVM。由于結(jié)垢問(wèn)題受到眾多因素影響,因此引入了主成分分析(PCA)對(duì)其進(jìn)行了降維處理,以達(dá)到不影響模型精度的條件下提高計(jì)算速度的目的[19,20]。其算法結(jié)構(gòu)框圖如圖1所示。

        圖1 算法結(jié)構(gòu)框圖

        由上圖可知該算法的輸入變量在經(jīng)過(guò)PCA降維處理之后得到主成分,并將其作為模型的輸入進(jìn)行訓(xùn)練建模。其中模型的參數(shù)尋優(yōu)由SS得到。經(jīng)過(guò)SS-LSSVM的建模預(yù)測(cè)之后輸出變量,當(dāng)輸出變量的誤差允許值超過(guò)設(shè)定范圍,則返回輸入重新計(jì)算。該算法的流程圖如圖2所示(Pr為PCA降維以后得到的成分)。

        2 基于PCA的腐蝕因素相關(guān)性分析

        主成分分析是把各變量之間互相關(guān)聯(lián)的復(fù)雜關(guān)系進(jìn)行簡(jiǎn)化分析的方法。在力求數(shù)據(jù)信息丟失最少的原則下,對(duì)高維的變量空間降維。本文的預(yù)測(cè)數(shù)據(jù)來(lái)源于某石化企業(yè)循環(huán)冷卻水系統(tǒng)近幾年的生產(chǎn)運(yùn)行數(shù)據(jù)。其中對(duì)腐蝕有影響的水質(zhì)因素有15個(gè),具體如表1所示。

        圖2 算法流程圖

        本文實(shí)驗(yàn)研究中選取了其中200天的實(shí)際生產(chǎn)數(shù)據(jù),初始樣本如表2所示。

        對(duì)表中原始數(shù)據(jù)進(jìn)行歸一化處理后,使用PCA算法隨其進(jìn)行降維處理分析,得到的主成分貢獻(xiàn)率如表3所示,圖3為特征值的碎石分布。

        圖3 碎石分布

        表2 初始樣本數(shù)據(jù)表

        表3 特征值及其累計(jì)貢獻(xiàn)率

        從表3可以看出,前6個(gè)主成分的累計(jì)貢獻(xiàn)率已超過(guò)90%,另外在圖3中,主成分?jǐn)?shù)在m=2處有明顯拐點(diǎn),但要求提取的主成分包涵原信息的90%以上,為此提取的主成分個(gè)數(shù)為6,其中F1~F6為降維后的6個(gè)新變量,通過(guò)特征值向量表示為如下表達(dá)式:

        由上式主成分因子可以得到在15個(gè)水質(zhì)因素中pH值、總磷、電導(dǎo)率、鈣離子、氯離子、濁度對(duì)腐蝕速率的影響較大,與實(shí)際生產(chǎn)中結(jié)論一致。

        3 基于SS-LSSVM的預(yù)測(cè)模型

        3.1 SS優(yōu)化LSSVM模型

        SS算法是一種功能等同于GA、PSO等的優(yōu)化算法,其目的是為了尋找懲罰因子與核函數(shù)寬度的最優(yōu)化解。SS算法較之GA有實(shí)現(xiàn)動(dòng)態(tài)跟蹤功效,較之PSO可以避免局部尋優(yōu)弊端。本文利用SS算法優(yōu)化LSSVM模型中,就是要尋找懲罰因子C與核函數(shù)寬度γ,使得LSSVM訓(xùn)練集中預(yù)測(cè)均方差E最小、決定系數(shù)R最大。在訓(xùn)練LSSVM中,關(guān)于解的編碼,是通過(guò)令個(gè)體I=(C,γ),其中懲罰因子C=(0.01,1000),核函數(shù)γ=[0.100],另外SS算法參數(shù)設(shè)置為:初始解集的大小N=100,參考集中高質(zhì)量解集和多樣性解集的個(gè)數(shù)分別為10、10;局部搜索過(guò)程中迭代次數(shù)最多為30,終止參考集更新的迭代次數(shù)為200。在保證E最小,R最大的條件下,一次迭代計(jì)算,得到最優(yōu)的懲罰因子C=8.2751,核函數(shù)γ=0.0326。此時(shí)SS算法的收斂曲線(xiàn)如圖4所示。

        圖4 SS算法收斂曲線(xiàn)

        3.2 實(shí)例仿真結(jié)果

        基于SS優(yōu)化后的LSSVM模型,利用PCA降維后的數(shù)據(jù)分別進(jìn)行SS-LSSVM與GA-SS-LSSVM進(jìn)行腐蝕速率預(yù)測(cè),得到仿真曲線(xiàn)如圖5、圖6所示。

        圖5 SS-LSSVM仿真結(jié)果

        圖6 GA-LSSVM仿真結(jié)果圖

        SS-LSSVM和GA-LSSVM預(yù)測(cè)的均方差和標(biāo)準(zhǔn)方差如表4所示。

        表4 各算法誤差表

        由上表可知SS-LSSVM預(yù)測(cè)精度更高,優(yōu)于GALSSVM。

        4 結(jié)論

        本文利用某石化實(shí)際的生產(chǎn)數(shù)據(jù),基于PCA-SSLSSVM算法對(duì)循環(huán)冷卻水進(jìn)行了腐蝕預(yù)測(cè)。通過(guò)對(duì)模型的訓(xùn)練得到了模型最優(yōu)的參數(shù)懲罰因子和核函數(shù),并對(duì)SS-LSSVM與GA-LSSVM進(jìn)行了預(yù)測(cè)精度比較,得出了SS-LSSVM的精度更高的結(jié)論。本文的研究結(jié)論為循環(huán)冷卻水生產(chǎn)運(yùn)行提供了可靠地測(cè)趨勢(shì),可以及時(shí)處理腐蝕問(wèn)題,具有很重要的工程使用價(jià)值。

        [1]張凌峰.工業(yè)循環(huán)冷卻水智能輔助分析平臺(tái)的關(guān)鍵技術(shù)研究[D].天津:天津理工大學(xué),2012.

        [2]Langeiler W. F.The Analytical Control of Anticorrosive 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]曹生現(xiàn),李思博,劉學(xué)冰,徐秀國(guó),張素燕.基于水質(zhì)監(jiān)測(cè)的換熱器結(jié)垢、腐蝕預(yù)測(cè)模型[J].工程熱物理學(xué)報(bào),2014,02:324-328.

        [9]董超,王冠蘭,李晨光,羅丹.基于小波神經(jīng)網(wǎng)絡(luò)的循環(huán)冷卻水腐蝕研究預(yù)測(cè)[J].化工自動(dòng)化及儀表,2016,06:599-603.

        [10]Inamullah Khan,Raoul Fran?ois,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,張凌峰,李榮,等.循環(huán)冷卻水系統(tǒng)腐蝕速率的預(yù)測(cè)模型[J].化工自動(dòng)化及儀表,2011,06:676-678.

        [12]Gorjaei R G, Songolzadeh R, Torkaman M, et al. A novel PSOLSSVM 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]顧燕萍,趙文杰,吳占松.最小二乘支持向量機(jī)的算法研究[J].清華大學(xué)學(xué)報(bào),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]王曉晴,唐加福,韓毅.分散搜索算法研究進(jìn)展[J].系統(tǒng)仿真學(xué)報(bào),2009,21(11):3155-3159.

        [17]郭希旺,劉士新,王大志.多目標(biāo)拆卸序列優(yōu)化問(wèn)題的分散搜索算法[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,3(11):56-59.

        [18]朱文興,程泓.VISI電路劃分問(wèn)題的分散搜索算法[J].電子學(xué)報(bào),2012,40(6):1207-1212.

        [19]周松林,茆美琴,蘇建徽.基于主成分分析與人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測(cè)[J].電網(wǎng)技術(shù),2011,35(9):128-132.

        [20]孫劉平,錢(qián)吳永.基于主成分分析法的綜合評(píng)價(jià)方法的改進(jìn)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2009,39(18):15-20.

        猜你喜歡
        降維冷卻水神經(jīng)網(wǎng)絡(luò)
        Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
        油田主機(jī)排氣閥冷卻水泄漏故障分析及修復(fù)
        降維打擊
        海峽姐妹(2019年12期)2020-01-14 03:24:40
        神經(jīng)網(wǎng)絡(luò)抑制無(wú)線(xiàn)通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        中國(guó)核電站冷卻水“熱污染”調(diào)查
        能源(2016年2期)2016-12-01 05:10:40
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        中央空調(diào)冷卻水系統(tǒng)節(jié)能研究
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
        一種發(fā)動(dòng)機(jī)冷卻水管總成
        人人妻人人澡人人爽人人dvd| 91九色播放在线观看| 亚洲av综合av一区二区三区| 少妇无码吹潮| 无码国产精品一区二区免费97| 亚洲一区二区三区在线观看| 在线免费看91免费版.| 国产无遮挡又爽又刺激的视频老师| 丰满多毛少妇做爰视频| 国产一区二区三区亚洲天堂| 91成人黄色蘑菇视频| 国产肉体xxxx裸体784大胆| y111111少妇影院无码| 国产麻豆剧传媒精品国产av蜜桃| 熟女肥臀白浆一区二区| 中文无码熟妇人妻av在线| 国产成人啪精品| 亚洲一区二区三区高清视频| 国产欧美在线观看不卡| 人妻在线日韩免费视频 | 狠狠色噜噜狠狠狠狠米奇777| 国产片AV在线永久免费观看| 亚洲综合av一区在线| 99国产精品久久久久久久成人热 | 亚洲av无码一区东京热| 美丽人妻被按摩中出中文字幕 | 午夜精品久久久久久久99老熟妇| 欧洲熟妇色xxxx欧美老妇多毛网站| 欧美在线观看www| 精品国产一区二区三区av免费| 青春草在线视频免费观看| 免费人成黄页网站在线观看国产| 亚洲精品色播一区二区| 国产一区二区精品久久岳| 黄又色又污又爽又高潮动态图| 亚洲成人av一区二区麻豆蜜桃| 综合色免费在线精品视频| 免费国产黄网站在线观看 | 色婷婷一区二区三区四| 狠狠色丁香婷婷综合潮喷| 精品久久久久久久无码|