BP神經網絡在煉油污水回用于循環水系統中腐蝕率的預測

顧 敏，朱越平，鄭堉鑫，張新超

（1. 江蘇科技大學 生物與化學工程學院，江蘇 鎮江 212000； 2. 廣東石油化工學院 環境與生物工程學院，廣東 茂名 525000）

BP神經網絡在煉油污水回用于循環水系統中腐蝕率的預測

顧 敏1,2，朱越平2，鄭堉鑫2，張新超2

（1. 江蘇科技大學 生物與化學工程學院，江蘇 鎮江 212000； 2. 廣東石油化工學院 環境與生物工程學院，廣東 茂名 525000）

介紹了BP神經網絡的構造及基本原理，闡述了利用MATLAB的GUI建立BP模型的方法和步驟，并將其應用于煉油污水回用于循環冷卻水系統腐蝕率的預測，建立一個以電導率和pH為輸入向量、腐蝕率為輸出向量的BP神經網絡預測模型。結果表明，采用GUI建立的三層結構的BP神經網絡模型，對煉油污水循環冷卻水系統的腐蝕率的預測具有較高的預測精度。說明人工神經網絡在循環水腐蝕預測中的應用是可行的，具有一定的應用價值。

BP神經網絡；圖形用戶界面；循環水腐蝕；腐蝕率預測

人工神經網絡（Artificial Neural Network，簡稱ANN）是一種應用類似于大腦神經突觸連接的結構進行信息處理的數學模型，即以人工神經元為節點，用有向加權弧連接起來的有向圖，是神經科學、數學、統計學及計算機科學等眾多學科相結合的產物[1]?？梢詫ξ粗成潢P系的數據進行大規模非線性適應性信息處理[2]，是一種新型的黑箱方法，已在通信、醫學、經濟、控制、化工、交通、心理學等領域得到廣泛應用，表現出良好的智能特性[3]。目前，人工神經網絡中應用最多的是BP（Back Propagation）神經網絡。BP神經網絡是由D.E.Rumelhart和J.L.McClelland于1986年提出的一種利用誤差反向傳播算法訓練的含隱含層的多層前饋網絡。

本文簡單介紹 BP神經網絡的基本原理，以MATLAB7.0為開發環境，論述采用神經網絡工具箱提供的圖形用戶界面（Graph User Interface，GUI）的神經網絡編輯器（Network/Data Manager）建立BP神經網絡的方法和設計步驟，并對茂名某煉油循環回用水腐蝕率的預測進行實例仿真實驗，說明該方法的可行性和便利性。

1 BP人工神經網絡簡介

BP神經網絡模型拓撲結構包括輸入層、隱含層和輸出層，隱含層可以是一層，也可以是多層，圖1所示的具有單層隱含層的神經網絡結構。該網絡學習的基本原理是梯度最速下降法，通過調整權值和閾值使網絡的總誤差最小，包含了正向和反向傳播兩個階段。

1.1 正向傳播

由圖1可知，輸入信息首先向前傳遞到隱含層節點，經過激活函數后，再將隱含層節點的輸出信息傳遞到輸出層節點，最終輸出結果，每層神經元的狀態只影響下層神經元狀態[4]。

設圖1所示的BP網絡的輸入層有m個節點，隱含層有q個節點，輸出層有h個節點，vij為輸入層神經元j與隱含層神經元i之間的權值，bi為隱含層神經元i的閾值；wki為隱含層神經元i與輸出層神經元k之間的權值，bk為輸出層神經元k的閾值。隱含層的傳遞函數為 g1(·)，輸出層的傳遞函數為g2(·)，則隱含層的第i個神經元的輸入si為：

其中：X=[x1x2… xm]T，Vi=[vi1vi2… vim]，若令x0=1，vi1=bi，即可將閾值寫入求和項中，得到：

而隱含層的第i個神經元的輸出zi為：

zi=g1(si)

同理，可得到輸出層的第k個神經元輸入ok和輸出yk，分別為：

其中：Z=[z1z2… zq]T，Wk=[wk1wk2… wkq]，已將閾值寫入求和項中。

1.2 反向傳播

如果輸出層得不到期望輸出，則進行反向傳播，將誤差信號沿原來連接通道返回，通過修改各層節點的權值和閾值，使誤差信號最小[5]。

（1）誤差函數的定義

網絡的訓練學習階段，設有N個訓練樣本，則第p個樣本輸入到網絡后得到輸出(k=1,2, …h)，而是與樣本p相對應的輸出節點k的目標值。采用平方型誤差函數，則得到第p個樣本的誤差Ep：

則系統對所有N個訓練樣本的總誤差函數為：

（2）輸出層、隱含層權值的調整

權值是按照Ep函數梯度變化的反方向調整，使網絡逐步收斂。根據梯度法，可得到輸出層的第k個神經元的權值的修正公式：

式中η為學習效率，η＞0；其中：

因此，輸出層的第k個神經元的權值的修正公式為：

同理，可得出隱含層的第i個神經元的權值修正公式：

2 BP神經網絡對煉油污水循環水系統腐蝕率的預測

隨著水資源短缺及工業水污染問題的加劇，回用水已逐漸成為石油化工行業重要的第二水源，主要用于循環冷卻水系統，而設備的腐蝕是外排水回用過程中的最主要問題。循環水腐蝕問題是一個復雜的電化學過程，影響因素較多且為非線性關系。

圖1 BP網絡結構Fig. 1 The structure of BP Network

［1］朱凱, 王正林. 精通 MATLAB神經網絡[M]. 北京：電子工業出版社, 2010:100-101.

［2］W. Wu, J. Wang, M. Cheng, et al. Convergence analysis of online gradient method for BP neural networks[J]. Neural Networks, 2011, 24(1): 91-98.

［3］劉敦文, 崔朋波. 基于BP神經網絡的新澆筑混凝土爆破安全震動速度預測[J]. 安全與環境學報, 2014, 14(1): 43-45.

［4］曹生現. 冷卻水污垢對策評價與預測方法及裝置研究[D]. 北京: 華北電力大學博士畢業論文. 2009: 85-88.

［5］李國勇. 智能預測控制及其MATLAB實現[M]. 北京:電子工業出版社, 2010:2-6.

［6］劉學慶, 唐曉, 王佳. 鋼腐蝕速度與海水環境參數關系的人工神經網絡分析[J]. 中國腐蝕與防護學報, 2005, 25(1): 11-14.

［7］任振甲, 張軍, 駱成雙, 等. 基于人工神經網絡研究原油腐蝕的影響因素[J]. 腐蝕與防護, 2011, 32(4): 293-295.

［8］肖彧星, 吳光海, 孫寧, 等. BP神經網絡在碳鋼及低合金鋼大氣腐蝕數據預測中的應用[J]. 腐蝕科學與防護技術, 2011, 23(2): 171-174.

［9］劉萬雷, 常新龍, 張有宏, 等. 鋁合金應力腐蝕機理及研究方法[J].腐蝕科學與防護技術, 2013, 25(1): 71-73.

Prediction of the Corrosion Rate of Reused Refinery Wastewater in Circulating Cooling Water System by BP Neural Network

GU Min1,2，ZHU Yue-ping2，ZHENG Yu-xin2，ZHANG Xin-chao2
（1. School of Biology and Chemical Engineering, Jiangsu University of Science and Technology,Jiangsu Zhenjiang 212000，China；2. School of Environmental and Biological Engineering, Guangdong University of Petrochemical Technology, Guangdong Maoming 525000，China）

The structure and principle of Back-Propagation (BP) neural network were introduced. The method and steps for building the BP neural network by the Graph User Interface (GUI) of MATLAB were also discussed. The BP neural network prediction model was established by using conductivity and pH as input vectors and corrosion rate as output vector, and the model was utilized to predict the corrosion rate of refinery wastewater reused as circulating cooling water. The results indicate that the established prediction model with three-layer structure has the higher forecast accuracy to the corrosion rate of circulating water. So application of the artificial neural network in corrosion rate prediction of circulating cooling water is feasible, and also suggested that it has extensive practicability.

Back propagation neural network; Graph user interface; Circulating water corrosion; Prediction of corrosion

TQ 085

A

1671-0460（2014）11-2358-04

廣東省科技攻關項目，項目號：2011B010100045；茂名市教育部產學研結合項目，項目編號：2011B01047。

2014-04-28

顧敏（1988-），女，江蘇南通人，在讀碩士，研究方向：水污染控制技術。E-mail：bingxuexiaozhulei@163.com。

朱越平（1978-），男，講師，碩士，研究方向：高濃度有機廢水新型厭氧處理，石化廢水回用緩蝕阻垢技術，環境影響評價和企業清潔生產審核。E-mail：gdmmzyp@163.com。