BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)石化塔頂系統(tǒng)腐蝕的應(yīng)用研究*

樊玉光，何 敏，林紅先，陳 兵，周三平

(西安石油大學(xué)機(jī)械工程學(xué)院，陜西西安710065)

煉油廠塔設(shè)備的生產(chǎn)工藝參數(shù)、腐蝕性物質(zhì)參數(shù)都處于一個(gè)非常大的波動(dòng)范圍，其中導(dǎo)致設(shè)備發(fā)生腐蝕的因素多種多樣，各種腐蝕因素之間的關(guān)系已無(wú)法利用傳統(tǒng)研究方法說(shuō)明。近年來(lái)，越來(lái)越多的研究人員將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于金屬的腐蝕研究中。1995年，郭稚弧［1］等人開(kāi)始利用人工神經(jīng)網(wǎng)絡(luò)從已有的土壤腐蝕試驗(yàn)數(shù)據(jù)預(yù)測(cè)碳鋼在土壤中的腐蝕速率。2001年，付冬梅［2］等人利用300組高溫硫腐蝕數(shù)據(jù)和200組環(huán)烷酸腐蝕數(shù)據(jù)分別建立腐蝕預(yù)測(cè)模型，從而構(gòu)建煉油設(shè)備腐蝕專家系統(tǒng)。2006年，鄧春龍［3］等人利用BP結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)，綜合17種影響碳鋼、低合金鋼在海水環(huán)境中腐蝕速度的參數(shù)建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，其預(yù)測(cè)結(jié)果與材料在海水環(huán)境中的腐蝕規(guī)律基本一致，能夠滿足使用要求。本研究首次將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于解決塔設(shè)備的腐蝕問(wèn)題，并探究塔設(shè)備腐蝕預(yù)測(cè)模型在建立過(guò)程中出現(xiàn)的問(wèn)題。

神經(jīng)網(wǎng)絡(luò)是一種可以將多元化信息進(jìn)行有效融合的算法。利用神經(jīng)網(wǎng)絡(luò)建立腐蝕預(yù)測(cè)模型時(shí)，信息參數(shù)的多少、原始數(shù)據(jù)的精度、數(shù)據(jù)處理方法和數(shù)據(jù)量等因素對(duì)模型預(yù)測(cè)結(jié)果的精度和穩(wěn)定性有很大影響。信息參數(shù)和原始數(shù)據(jù)是由實(shí)驗(yàn)或現(xiàn)場(chǎng)監(jiān)測(cè)采集，監(jiān)測(cè)現(xiàn)場(chǎng)的儀器、儀表本身具有的測(cè)量誤差會(huì)對(duì)信息參數(shù)的原始值有所影響。信息參數(shù)的多元化決定了原始數(shù)據(jù)在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練之前必須經(jīng)過(guò)標(biāo)準(zhǔn)化處理，不同的處理方法會(huì)對(duì)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)訓(xùn)練過(guò)程帶來(lái)影響。數(shù)據(jù)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后，使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)是“黑箱”計(jì)算，通過(guò)多項(xiàng)重復(fù)訓(xùn)練信息參數(shù)數(shù)據(jù)來(lái)找出它們之間的關(guān)系，數(shù)據(jù)量對(duì)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果有明顯影響。

根據(jù)某石化企業(yè)催化分餾塔塔頂系統(tǒng)監(jiān)測(cè)到的pH值、總硫、總氯、總氮和總鐵(Fe2+和Fe3+)含量數(shù)據(jù)(共30組樣本)，利用BP神經(jīng)網(wǎng)絡(luò)建立4-10-1的腐蝕預(yù)測(cè)模型。通過(guò)對(duì)30個(gè)訓(xùn)練樣本進(jìn)行處理、訓(xùn)練，在信息參數(shù)較少的情況下，比較Min-max和Z-score兩種標(biāo)準(zhǔn)化方法對(duì)腐蝕模型預(yù)測(cè)精度的影響;分析數(shù)據(jù)量對(duì)腐蝕預(yù)測(cè)模型穩(wěn)定性的影響。

1 建立模型

1.1 數(shù)據(jù)標(biāo)準(zhǔn)化方法

信息參數(shù)的多元化造成多種腐蝕參數(shù)的數(shù)量級(jí)、量綱不同，BP神經(jīng)網(wǎng)絡(luò)在對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練之前需進(jìn)行標(biāo)準(zhǔn)化處理。數(shù)據(jù)標(biāo)準(zhǔn)化方法有很多，本文選取在數(shù)據(jù)處理過(guò)程中常用的min-max標(biāo)準(zhǔn)化方法和z-score標(biāo)準(zhǔn)化方法［4］對(duì)原始數(shù)據(jù)進(jìn)行處理并對(duì)比分析。

一般，用x代表原數(shù)列，xmin和xmax分別代表其最小值和最大值，mean(x)代表其平均值;std(x)代表其標(biāo)準(zhǔn)差。

Min-max標(biāo)準(zhǔn)化方法公式為:(x－xmin)/(xmax－xmin)，

Z-score標(biāo)準(zhǔn)化方法公式為:(x－mean(x))/std(x)。

某石化催化分餾塔塔頂系統(tǒng)腐蝕監(jiān)測(cè)數(shù)據(jù)［5］見(jiàn)表 1。

表1 催化分餾塔塔頂系統(tǒng)腐蝕監(jiān)測(cè)數(shù)據(jù)Table 1 Collected data from the catalytic fractionation tower top system mg/L

1.2 建立模型與誤差評(píng)價(jià)

1.2.1 樣本個(gè)數(shù)

樣本是建立腐蝕預(yù)測(cè)模型的基礎(chǔ)，為了比較不同標(biāo)準(zhǔn)化方法和數(shù)據(jù)量對(duì)模型精度的影響，本文使用6組不同數(shù)量的樣本建立腐蝕預(yù)測(cè)模型。在30 組樣本中隨機(jī)選擇5，10，15，20，25 和29 組樣本為訓(xùn)練數(shù)據(jù)，1個(gè)樣本為測(cè)試數(shù)據(jù)。為了消除樣本選擇帶來(lái)的不確定性，每種數(shù)據(jù)的樣本隨機(jī)選擇3次。

1.2.2 參數(shù)設(shè)置

本次BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型使用的程序基于Matlab自帶工具箱和自編代碼。構(gòu)造2層BP神經(jīng)網(wǎng)絡(luò)，輸入信息為pH值，Cl－，H2S和氮化物，輸出信息為Fe2+和Fe3+，10個(gè)隱層神經(jīng)元，1個(gè)輸出神經(jīng)元，傳輸函數(shù)為logsig，輸出函數(shù)為purelin，訓(xùn)練函數(shù)選取LM(Levenberg-Marquardt)算法trainlm［6］。

1.2.3 誤差評(píng)價(jià)

為了得到使腐蝕預(yù)測(cè)模型預(yù)測(cè)結(jié)果更加準(zhǔn)確的數(shù)據(jù)處理方法，選擇將預(yù)測(cè)值和實(shí)際值逐點(diǎn)比較的平均相對(duì)誤差(Mean Relative Error，MRE)作為兩種數(shù)據(jù)處理方法的誤差評(píng)價(jià)標(biāo)準(zhǔn)。為了分析數(shù)據(jù)量對(duì)腐蝕預(yù)測(cè)模型穩(wěn)定性的影響，選擇監(jiān)測(cè)預(yù)測(cè)系統(tǒng)的長(zhǎng)期工作狀態(tài)的均方根誤差(Root Mean Squared Error，RMSE)對(duì)預(yù)測(cè)系統(tǒng)的誤差特性進(jìn)行“宏觀”評(píng)價(jià)［7］。

用yi代表實(shí)際數(shù)據(jù)序列，y'i代表預(yù)測(cè)數(shù)據(jù)序列，預(yù)測(cè)絕對(duì)誤差為:

MRE的評(píng)價(jià)標(biāo)準(zhǔn)定義如2式所示，它將誤差除以相對(duì)應(yīng)的真值進(jìn)行規(guī)范化，以便比較:

RMSE的評(píng)價(jià)標(biāo)準(zhǔn)定義如3式所示，它可以衡量誤差的分散程度:

其中:n為樣本數(shù)量。

2 預(yù)測(cè)結(jié)果分析

2.1 標(biāo)準(zhǔn)化方法精度比較

將6組樣本數(shù)據(jù)分別使用min-max與zscore標(biāo)準(zhǔn)化方法進(jìn)行處理，將處理后的樣本利用神經(jīng)網(wǎng)絡(luò)算法各訓(xùn)練100次建立腐蝕預(yù)測(cè)模型，計(jì)算100個(gè)模型預(yù)測(cè)結(jié)果的平均相對(duì)誤差(eMRE)。為了消除樣本的不確定性，每組訓(xùn)練樣本均隨機(jī)選擇3次，兩種標(biāo)準(zhǔn)化方法的預(yù)測(cè)誤差見(jiàn)表2、表3。

由表2的橫向比較可以看出，當(dāng)訓(xùn)練樣本數(shù)小于15時(shí)，Min-max標(biāo)準(zhǔn)化方法的有很大波動(dòng);當(dāng)樣本個(gè)數(shù)超過(guò)20時(shí)，隨著訓(xùn)練樣本個(gè)數(shù)的增加eMRE逐步減小。縱向比較表2可以看出，在樣本個(gè)數(shù)較少時(shí)，由于樣本數(shù)據(jù)的選擇具有不確定性，所以在相同的樣本容量下，eMRE差異很大;隨著樣本的增加，樣本的不確定性對(duì)預(yù)測(cè)結(jié)果的影響減小，eMRE逐步穩(wěn)定，腐蝕預(yù)測(cè)模型得到較好的精度。

表2 Min-max標(biāo)準(zhǔn)化方法預(yù)測(cè)誤差Table 2 Min-max standardized method’s prediction error

表3 z-score標(biāo)準(zhǔn)化方法預(yù)測(cè)誤差Table 3 Z-score standardized method’s prediction error

由表3可以看出，隨著訓(xùn)練樣本個(gè)數(shù)的增加，Z-score標(biāo)準(zhǔn)化方法在3種隨機(jī)選擇下的都是先減小后增大再逐步減至最小。在樣本個(gè)數(shù)小于20時(shí)，相同的樣本容量的eMRE波動(dòng)很大，說(shuō)明樣本數(shù)據(jù)的不確定性對(duì)其影響極大。

綜合比較表2、表3可得，在相同樣本下，Minmax比Z-score標(biāo)準(zhǔn)化方法的預(yù)測(cè)誤差小;在樣本較小時(shí)，樣本的不確定性對(duì)預(yù)測(cè)模型有很大影響;在樣本個(gè)數(shù)超過(guò)25時(shí)，樣本帶來(lái)的不確定性對(duì)預(yù)測(cè)模型的影響逐漸減小。

在以煉油廠實(shí)際監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)建立腐蝕預(yù)測(cè)模型時(shí)，使用Min-max標(biāo)準(zhǔn)化方法對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行處理，在已知腐蝕數(shù)據(jù)較少的情況下，至少需要25組監(jiān)測(cè)數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，這樣得到的腐蝕預(yù)測(cè)模型有實(shí)際應(yīng)用價(jià)值。

2.2 數(shù)據(jù)量分析

數(shù)據(jù)量對(duì)預(yù)測(cè)模型的影響很大，由前面的分析可以看出，數(shù)據(jù)量越多，腐蝕預(yù)測(cè)模型的預(yù)測(cè)結(jié)果越接近于實(shí)測(cè)值。但是為了判斷宏觀上腐蝕發(fā)生的可能性，不能僅僅評(píng)價(jià)預(yù)測(cè)點(diǎn)和實(shí)測(cè)點(diǎn)的數(shù)值上的精確性，還需要研究數(shù)據(jù)量對(duì)模型穩(wěn)定性的影響。

本文選擇Min-max標(biāo)準(zhǔn)化處理過(guò)的樣本，每個(gè)樣本訓(xùn)練100次，其中每20次計(jì)算其均方根誤差(eRMSE)。

圖1 數(shù)據(jù)量誤差比較Fig.1 Comparison of training data error

由圖1可以看出，當(dāng)樣本個(gè)數(shù)為5和10時(shí)，eRMSE比較分散且數(shù)值較大;當(dāng)樣本個(gè)數(shù)為15時(shí)，eRMSE集中在0.6附近;當(dāng)樣本個(gè)數(shù)超過(guò)20，eRMSE小于0.4且趨于平穩(wěn)，數(shù)值波動(dòng)在±0.1范圍內(nèi)。由此可知，隨著樣本個(gè)數(shù)的增加，eRMSE逐步變小;訓(xùn)練數(shù)據(jù)量越多，所建立的模型對(duì)腐蝕的發(fā)生趨勢(shì)預(yù)測(cè)就越穩(wěn)定。

綜合表2、表3和圖1，可以看出隨著數(shù)據(jù)量的增加，腐蝕預(yù)測(cè)模型的預(yù)測(cè)結(jié)果不僅能夠達(dá)到更好的精度，也能夠在宏觀上更加準(zhǔn)確的判斷腐蝕發(fā)生的可能性。本文建立的煉油廠腐蝕預(yù)測(cè)模型，在有效監(jiān)測(cè)數(shù)據(jù)超過(guò)25組時(shí)，能夠得到預(yù)測(cè)結(jié)果準(zhǔn)確、穩(wěn)定的腐蝕預(yù)測(cè)模型。

3 結(jié)論

本文在某石化催化分餾塔塔頂系統(tǒng)腐蝕監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上，探討在建立腐蝕預(yù)測(cè)模型過(guò)程中，數(shù)據(jù)處理方法和數(shù)據(jù)量對(duì)預(yù)測(cè)模型的影響。主要結(jié)論如下:

(1)BP神經(jīng)網(wǎng)絡(luò)建立的腐蝕預(yù)測(cè)模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)誤差較小，表明將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于石化塔系統(tǒng)的腐蝕預(yù)測(cè)是可行的;

(2)在相同條件下，利用Min-max標(biāo)準(zhǔn)化方法處理后的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的腐蝕預(yù)測(cè)模型的預(yù)測(cè)誤差較Z-score標(biāo)準(zhǔn)化方法的小。在已知腐蝕參數(shù)有限的情況下，監(jiān)測(cè)數(shù)據(jù)超過(guò)25組，由此建立的腐蝕預(yù)測(cè)模型預(yù)測(cè)結(jié)果更準(zhǔn)確;

(3)監(jiān)測(cè)數(shù)據(jù)大于25組時(shí)，采用經(jīng)過(guò)Minmax標(biāo)準(zhǔn)化方法處理的數(shù)據(jù)進(jìn)行訓(xùn)練，能夠得到預(yù)測(cè)結(jié)果準(zhǔn)確、穩(wěn)定的石化塔設(shè)備腐蝕預(yù)測(cè)模型。

［1］ 郭稚弧，金名惠，桂修文，等.神經(jīng)網(wǎng)絡(luò)在金屬土壤腐蝕研究中的應(yīng)用［J］.腐蝕科學(xué)與防護(hù)技術(shù)，1995，7(3):258-262.

［2］ 付冬梅，李曉剛，董超芳，等.煉油設(shè)備腐蝕與防護(hù)管理規(guī)范化專家系統(tǒng)［J］.北京科技大學(xué)學(xué)報(bào)，2001，23(2):189-192.

［3］ 鄧春龍，李文軍，孫明先.BP神經(jīng)網(wǎng)絡(luò)在碳鋼、低合金鋼海水腐蝕中的應(yīng)用［J］.腐蝕科學(xué)與防護(hù)技術(shù)，2006，18(1):54-57.

［4］ 張仲彬，李煜，杜祥云，等.水質(zhì)對(duì)板式換熱器結(jié)垢的影響權(quán)重及其機(jī)制分析［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(11):69-74.

［5］ Fan Yuguang，Piao Zaidong，Chen Bing，et al.BP Neural Network set up the Corrosion Prediction Model of Low Temperature Parts of Atmospheric Pressure Device ［J］.Mechanical Engineering and Materials，2012:152-154，1138-1142.

［6］ 韓立群.人工神經(jīng)網(wǎng)絡(luò)教程［M］.北京:北京郵電大學(xué)出版社，2006.

［7］ 徐曼，喬穎，魯宗相.短期風(fēng)電功率預(yù)測(cè)誤差綜合評(píng)價(jià)方法［J］. 電力系統(tǒng)自動(dòng)化，2011，35(12):20-26.

［8］ 周開(kāi)利，康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)［M］.北京:清華大學(xué)出版社，2005:89-91.