基于PCA的EC管外壁阻垢率预测模型研究

摘要

由于蒸发式冷凝器(EC)换热管外阻垢率不易准确测试,搭建了一个在喷淋水中加入柠檬酸(CA)阻垢的实验装置并获取了180组实验数据。本文利用BP、GRNN两种神经网络对阻垢率进行预测并结合主成分分析(PCA)对实验输入参数进行降维并对降维前后的预测结果进行对比。降维前两种模型的输入参数为实验进行时间、换热管外壁温度、喷淋水温度、pH值、电导率,降维后两种模型的输入参数为Y1和Y2,输出参数均为阻垢率。对比降维前后的预测结果得出:经过PCA降维后,BP的网络运行时间从20s降为15s,误差指标RMSE、MAPE分别从2.45%、3.6%降为1.44%、2.38%,相关系数R从0.9745升高到0.9885;GRNN的运行时间从0.8s降为0.4s,误差指标RMSE、MAPE分别从1.78%、2.85%降为1.04%、1.98%,相关系数R从0.9853升高到0.9966,并且降维后GRNN模型比BP模型预测时间超短、误差指标小、相关性更高,更适合本领域。