基于优化RVFLN模型的延迟焦化开工线H2S浓度预测

• 作者: 偶国富 许霖风一 金浩哲
• 来源期刊: 石油学报（石油加工）
• 学科: 工学
• 关键词: 延迟焦化 H2S浓度 随机权神经网络 数据驱动 预测模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 研究报告
• 页码范围: 1127-1135
• 页数: 9页
• 分类号: TQ125.1+2|TP183
• 字数: 4934字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8719.2018.06.010

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	偶国富	浙江理工大学流动腐蚀研究所	65	476	13.0	19.0
2	金浩哲	浙江理工大学流动腐蚀研究所	50	192	9.0	12.0
3	许霖风一	浙江理工大学流动腐蚀研究所	1	0	0.0	0.0