循环冷却水系统水质预测模型的研究与应用

摘要

本文以在工业水处理领域具有先进水平的中国石化天津分公司的典型循环冷却水系统为研究对象，在“零排放”和工业循环冷却水高浓缩倍数运行要求的背景下，研究循环冷却水常见的腐蚀、结垢和生物粘泥等水质故障。针对工业循环冷却水系统高维、多峰值、非线性、随机不确定性等复杂的特征，本文将机理分析、经验指数和统计模型结合起来，采用预测控制思想基于神经网络建立了动态水质模型，研究和预测循环冷却水系统的腐蚀结垢特性，具有重要的理论意义和很好的应用前景。
　　 本文研究了工业循环冷却水系统运行水质故障的种类，并分析了水质故障产生的原因，通过实验和测试分析各水质指标对水质特性影响的贡献，采用主成分分析法筛选对循环水水质稳定性影响较大的水质指标;同时采集石化公司大量的历史水质和工艺数据作为模型样本数据，对其进行数据预处理后，确定BP神经网络拓扑结构，在Matlab平台编写BP神经网络训练程序进行建模仿真，通过多次训练建立一种典型的循环冷却水系统的水质预测模型。针对BP神经网络的缺点基于遗传算法优化权值和阈值，将得到的最优个体对网络赋初值，网络经训练后预测函数输出，通过对模型预测值和实际值的对比，验证了模型较好的预测性能。
　　 文章提出了一种基于遗传算法改进BP网络的动态水质模型进行水质预测的新方法，结合Langelier、Ryznar等水质指数法可对水质特性进行综合全面的评价。最后初步设计了循环冷却水智能分析平台的功能模块。

目录

声明

摘要

绪论

1．1 课题的研究背景和意义

1．1．1 水资源现状

1．1．2 工业水概况

1．2 国内外研究现状

1．2．1 水环境数学模型在国内外的研究现状

1．2．2 水环境数学模型的发展趋势

1．2．3 智能算法在水质模型研究中的应用现状

1．2．4 水环境预测控制

1．3 本文主要工作

第二章 循环冷却水系统研究基础

2．1 工业用水预处理概述

2．1．1 天然水成分概述

2．1．2 工业水预处理方法

2．2 循环冷却水系统的结构和常见问题

2．2．2 循环冷却水系统的结构

2．2．3 循环冷却水系统常见问题分析

2．2．3 常见水质故障的表示及监测

2．3 水质稳定性及水质监测

2．3．1 水质稳定性判断方法

2．3．2 循环冷却水系统的水质监测

2．4 本章小结

第三章 基于神经网络的循环冷却水水质模型的建立

3．1 人工神经网络基础

3．1．1 人工神经网络的发展史概述

3．1．2 神经元的结构及功能特点

3．1．3 神经网络的互联模式

3．1．4 神经网络的学习与训练

3．1．5 神经网络的建模原理

3．2 误差反向传播神经网络的基本原理

3．2．1 BP神经网络的结构

3．2．2 BP网络学习规则

3．2．3 BP神经网络的优缺点

3．3 水质数据的提取与预处理

3．3．1 水质数据提取

3．3．2 数据预处理

3．4 BP网络模型的结构设计

3．4．1 网络输入输出层确定

3．4．2 模型样本集的确定

3．4．3 网络隐含层的确定

3．5 BP神经网络训练及测试

3．5．1 BP神经网络参数设定

3．5．2 BP网络训练

3．6 BP神经网络模型测试

3．6．1 BP网络模型测试样本的准备

3．6．2 BP网络模型测试

3．7 本章小结

第四章 基于GA改进的BP神经网络的循环冷却水水质模型的建立

4．1 遗传算法基础

4．1．1 遗传算法的基本思想

4．1．2 遗传算法的基本操作和基本要素

4．1．3 遗传算法步骤

4．1．4 遗传算法的特点

4．2 基于BP-GA的水质模型的建立

4．2．1 GA优化BP方法

4．2．2 GA-BP模型的训练

4．3 循环冷却水智能辅助分析平台的设计

4．3．1 编程方法

4．3．2 软件功能的设计

4．3．3 软件界面的设计

4．4 本章小结

第五章 总结与展望

5．1 研究内容总结

5．2 研究工作展望

参考文献

发表论文和科研情况说明

致谢