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.

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

所属期刊栏目：34

分类号：TQ125.1+2;TP183

资助基金：国家自然科学基金项目51876194;国家重点研发计划2017YFF0210403;浙江省自然科学基金LY17E060008

在线出版日期：2019-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1127-1135