基于优化RVFLN模型的延迟焦化开工线H2S浓度预测

摘要

分析了延迟焦化开工线腐蚀的原因,其主要腐蚀形式为低温湿硫化氢(H2S)腐蚀,集成工业现场异构数据库系统,建立了基于随机权神经网络(RVFLN)的焦化装置开工管线内H2S浓度的数据驱动预测模型.首先用主成分分析法对输出变量进行降维;然后根据相关系数大小筛选影响开工线内H2S浓度变化的主要影响因素,将其作为模型输入用来训练模型;为获得更好的泛化性能,将RVFLN的随机权重控制在[0,1]之内,建立小规范随机权重神经网络(SNRVFL);最后用现场数据对模型进行测试评估.结果表明,与PLSR、BPNN、SVR模型对比,优化后的RV FLN模型在预测精度和计算速率上都有较好表现,该模型适用于焦化装置开工管线内H2S浓度的实时在线预测,可为延迟焦化装置压力管道内的流动腐蚀风险评估提供基础数据.