买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供一种基于多源数据的腐蚀速率预测系统，该系统面向炼油过程典型多腐蚀机理耦合、多腐蚀因素的复杂腐蚀系统的回归类预测需求，提出适用于炼油过程的基于多源数据的腐蚀速率预测方法，并针对典型腐蚀部位建立基于多源数据的预测模型。该预测模型基于工业现场采集到的水质和介质等多影响变量及设备腐蚀结果指标的数据集，并针对腐蚀多影响变量的特点，应用隔离森林算法进行数据异常数据识别，通过共生生物搜索算法优化RF模型参数，能够提高腐蚀速率预测精度。

主权项：1.一种基于多源数据的腐蚀速率预测系统，其特征在于，所述多源数据包括炼油装置运行过程中的工艺运行数据和工艺介质数据，包括m个参数数据；所述系统包括处理器、存储有计算机程序的存储介质、存储器和配置文件，所述配置文件的第i条配置信息包括Ci，Ti，Ci为第i个采样数据的名称，Ti为第i个采样数据的采样周期，i的取值范围为1到m+1，所述采样数据包括多源数据和腐蚀损耗量数据；所述存储器存储有腐蚀损耗量数据集和m个参数数据集，所述腐蚀损耗量数据集包括炼油装置运行过程中的预设时间段内的n个腐蚀损耗量数据，第j个参数数据集包括所述预设时间段内的kj个参数数据，j的取值范围为1到m；所述处理器用于执行计算机程序，实现如下步骤：S100，获取腐蚀损耗量数据集中的n个腐蚀损耗量数据并将获取的n个腐蚀损耗量数据处理成按时间顺序连续变化的n1个腐蚀速率数据，形成腐蚀速率时序数据集；n1≤n；S200，从配置文件中获取Tmax＝maxT1，T2，…，Tm+1，并基于Tmax从存储器中获取对应的参数数据的kp，p的取值范围为1到m；S300，基于Tmax，将腐蚀速率时序数据集中的n1个腐蚀速率数据处理成kp个腐蚀速率数据，形成腐蚀速率数据降采样集；kp个腐蚀速率数据中的相邻两个数据间的时间间隔等于Tmax；S400，遍历m个参数数据集，如果第j个数据集对应的采样周期Tj≠Tmax，执行S500；S500，基于Tmax，第j个参数数据集中的kj个参数数据处理成kp个参数数据，kp个参数数据中的相邻两个数据间的时间间隔等于Tmax；S600，基于S300至S500形成按时间顺序排列的腐蚀多源数据集D1，D2，…，Dkp，第r个腐蚀多源数据Dr＝A1r，A2r，…，Amr，Br，Asr为Dr中的第s个参数数据，Br为第r个腐蚀速率数据，s的取值范围为1到m，r的取值范围为1到kp；DSt中的所有数据的采样时间相同；S700，对腐蚀多源数据集中的异常数据进行检测，并将检测到的异常数据剔除，得到标准参数数据集；S800，基于标准参数数据集，获取多源数据和腐蚀速率数据之间的映射关系；S900，基于获取的映射关系，对于没有设置有腐蚀监测设备的炼油装置，利用从该炼油装置获取的多源数据对该炼油装置的腐蚀速率数据进行预测；在S100中，利用高阶拟合的方式对腐蚀损耗量数据集中的n个腐蚀速率数据进行平滑处理得到拟合曲线，以及对拟合曲线求导得到按时间顺序连续变化的n1个腐蚀速率数据；在S700中，利用隔离森林算法对腐蚀多源数据集中的异常数据进行检测，并将检测到的异常数据剔除，得到标准参数数据集；在S800中，基于标准参数数据集和随机森林模型获取多源数据和腐蚀速率数据之间的映射关系；所述映射关系通过如下步骤获取：S801，将标准参数数据集中的数据分为训练数据集和测试数据集；S802，生成初始种群，初始种群包括N个生物体，对于每个生物体，执行S803；S803，将训练数据集输入随机森林模型中进行训练，得到训练后的随机森林模型，利用测试数据集对训练后的随机森林模型进行评估，得到当前生物体的适应度；S804，基于S803，将适应度最小的生物体确定为当前最优生物体Xbest；S805，对于当前种群中的生物体Xu和Xv，确定对应的新生物体Xunew和Xvnew，新生物体Xunew与生物体Xu和Xbest正相关，新生物体Xvnew与生物体Xv和Xbest正相关，u和v的取值范围为1到N，u≠v；其中，Xunew和Xvnew满足如下条件：Xunew＝Xv+rand0,1*Xbest-MV*BF1，Xvnew＝Xv+rand0,1*Xbest-MV*BF2；其中，BF1和BF2表示受益因子，为随机数；S806，基于S803得到新生物体Xunew和Xvnew的适应度，如果得到的Xunew和Xvnew的适应度小于Xu和Xv的适应度，则利用Xunew和Xvnew分别更新Xu和Xv，得到第一更新种群；S807，对于第一更新种群中的生物体Xw，从第一更新种群中选取另一个生物体Xe，确定对应的新生物体Xwnew；新生物体Xwnew与的生物体Xw正相关，与生物体Xe负相关；w和e的取值为1到N，r≠u；S808，基于S803计算新生物体Xwnew的适应度，如果得到的Xwnew的适应度小于Xw的适应度，则利用Xwnew更新Xw，得到第二更新种群；S809，通过复制第二更新种群中的Xf创建寄生虫PVf，并从Xf中的维度中随机选取一个或者若干个维度替换为对应的搜索空间范围内的随机取值作为PVf的取值；f的取值为1到N；S810，从第二更新种群中选择不同于Xf的生物体Xo，基于S803分别得到PVf和Xo的适应度，如果PVf的适应度小于Xo的适应度，则利用PVf替换Xo，得到第三更新种群；o的取值为1到N；S811，基于S803得到第三更新种群的每个生物体的适应度，并基于计算的适应度确定第三更新种群的最优生物体，将得到的最优生物体更新为当前最优生物体Xbest；启动计数器C并设置C＝C+1，C的初始值为0；S812，如果第三更新种群的最优生物个体对应的适应度小于预设适应度值，或者，C≥C0，执行S813，否则，返回S805；C0为预设次数；S813，将第三更新种群的最优生物个体作为目标生物体，并将目标生物体作为优化后的随机森林模型参数；S814，将优化后的随机森林模型参数构建的随机森林模型作为腐蚀速率目标预测模型。

全文数据：

权利要求：

百度查询： 北京化工大学 基于多源数据的腐蚀速率预测系统