基于PCA的EC管外壁阻垢率预测模型研究

由于蒸发式冷凝器(EC)换热管外阻垢率不易准确测试，搭建了一个在喷淋水中加入柠檬酸(CA)阻垢的实验装置并获取了180组实验数据。本文利用BP、GRNN两种神经网络对阻垢率进行预测并结合主成分分析(PCA)对实验输入参数进行降维并对降维前后的预测结果进行对比。降维前两种模型的输入参数为实验进行时间、换热管外壁温度、喷淋水温度、pH值、电导率，降维后两种模型的输入参数为Y1和Y2，输出参数均为阻垢率。对比降维前后的预测结果得出：经过PCA降维后，BP的网络运行时间从20s降为15s，误差指标RMSE、MAPE分别从2.45%、3.6%降为1.44%、2.38%，相关系数R从0.9745升高到0.9885；GRNN的运行时间从0.8s降为0.4s，误差指标RMSE、MAPE分别从1.78%、2.85%降为1.04%、1.98%，相关系数R从0.9853升高到0.9966，并且降维后GRNN模型比BP模型预测时间超短、误差指标小、相关性更高，更适合本领域。

蒸发式冷凝器(EC)是一种常用于冷库降温的换热设备[1]。

EC 在运行过程中， 循环的喷淋水喷淋到换热管壁面， 主要通过喷淋水的蒸发与对流换热将管内工艺系统的循环制冷工质的热量放散到管外空气中。

在EC 运行期间，喷淋水与管外壁发生热交换，使喷淋水不断蒸发，水中的盐类和杂质被浓缩，换热管外壁出现结垢，增加了管内外的传热热阻，缩短了换热管的使用寿命，增加了设备的运行成本[2]。结垢是工业界与学术界中十分关注并且是一个长期存在的问题，90%以上的工业换热器都存在结垢问题，因此人们越来越重视对阻垢的研究[3]。综合目前国内外研究结果得出：阻垢方法大致可分为化学阻垢、物理阻垢、绿色阻垢三类，其中使用化学阻垢剂最为普遍，但含氮和磷的传统化学阻垢剂会导致水体富营养化，且增加了水处理系统设计和污水回收或排放的困难，而绿色阻垢剂在水体中的存在不会对生态环境造成恶劣的影响[4]。

在传统研究中， 影响阻垢率的因素是多方面的， 采用传统手段进行数据处理非常困难且效率低下[2]。

值得注意的是，人工神经网络技术经过几十年的发展已具备优异的非线性映射和泛化能力，只要选择合适输入变量及网络参数，其输出值可以任意精度逼近期望值[5]。早在20 世纪50 年代，第一代神经网络就被提出，它的算法只有两层，主要解决线性问题，当函数稍微复杂一些，该神经网络无法得到有效解[6]。经过后人的努力，解决了第一代神经网络所遇到的问题，为后面的研究提供了极大的帮助，大量神