基于SVM方法的含聚污水電化學(xué)處理過(guò)程控制研究

尹先清，羅曉明，2，王文斌，張 健，靖 波

(1.長(zhǎng)江大學(xué) 化學(xué)與環(huán)境工程學(xué)院，湖北 荊州 434023； 2.荊州理工職業(yè)學(xué)院 化工系，湖北 荊州 434023；3.海洋石油高效開發(fā)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100028； 4.中海油研究總院，北京 100028)

?

基于SVM方法的含聚污水電化學(xué)處理過(guò)程控制研究

尹先清1，羅曉明1，2，王文斌1，張 健3，4，靖 波3，4

(1.長(zhǎng)江大學(xué) 化學(xué)與環(huán)境工程學(xué)院，湖北 荊州 434023； 2.荊州理工職業(yè)學(xué)院 化工系，湖北 荊州 434023；3.海洋石油高效開發(fā)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100028； 4.中海油研究總院，北京 100028)

采用適合進(jìn)行小樣本數(shù)據(jù)分析建模的支持向量機(jī)(SVM)算法，將正交設(shè)計(jì)和自行開發(fā)的SVR實(shí)驗(yàn)參數(shù)優(yōu)化軟件相結(jié)合用于電化學(xué)處理含聚污水工藝參數(shù)的優(yōu)化實(shí)驗(yàn)。通過(guò)量子粒子群(QPSO)算法對(duì)SVM算法參數(shù)進(jìn)行優(yōu)化后，所建立的回歸模型能夠找到理論上的全局最優(yōu)點(diǎn)，也可直觀地表現(xiàn)因素之間的交互作用，降低了正交設(shè)計(jì)的試驗(yàn)次數(shù)，優(yōu)化效果明顯，是一種快捷、有效的優(yōu)化方法。得到的最高除油率為81.88%，對(duì)應(yīng)的電解時(shí)間為30 min，電解電流為4.0 A，極板間距為6.222 7 cm，面體比為200/1 827 cm2/mL。可以此組參數(shù)進(jìn)行電化學(xué)處理含聚污水過(guò)程控制。

含聚污水；電化學(xué)處理；過(guò)程控制；SVM

尹先清，羅曉明，王文斌，等.基于SVM方法的含聚污水電化學(xué)處理過(guò)程控制研究[J].西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，31(3):92-97.

YIN Xianqing,LUO Xiaoming,WANG Wenbin，et al.Electrochemical treatment process control of polymer-containing wastewater based on SVM method[J].Journal of Xi'an Shiyou University(Natural Science Edition),2016,31(3):92-97.

引　言

海上油田注聚開發(fā)是高效采油、提高采收率的有效手段。隨著海上注聚的深入，采出液中含聚量逐漸加大。污水含聚導(dǎo)致污水的黏度增大，油水界面水膜強(qiáng)度增大，界面電荷增強(qiáng)，油水乳狀液穩(wěn)定性升高，污水處理難度加大，嚴(yán)重影響到平臺(tái)采出液處理工藝的正常運(yùn)行。污水中聚合物還影響水處理藥劑的使用效果，導(dǎo)致絮凝效果差，藥劑用量增大；污水中聚合物吸附泥沙，增加處理設(shè)施的負(fù)荷，降低處理效率[1-4]。渤海某油田采取注聚開發(fā)方式，目前采出液中含聚已經(jīng)達(dá)到150 mg/L左右。有效降低含聚污水的黏度，保證污水處理設(shè)備的運(yùn)行效率是海上平臺(tái)污水處理中面臨的難題[5]。

電化學(xué)技術(shù)處理含聚污水具有速度快、效率高的優(yōu)勢(shì)，已經(jīng)取得突破性進(jìn)展[6-7]。傳統(tǒng)的方案優(yōu)化通常采用正交試驗(yàn)法，該統(tǒng)計(jì)方法給出的最優(yōu)點(diǎn)不一定是全局最優(yōu)點(diǎn)，且如果試驗(yàn)設(shè)計(jì)中考慮各因素之間的交互作用將大大增加試驗(yàn)次數(shù)。本文利用基本正交試驗(yàn)數(shù)據(jù)和SVR實(shí)驗(yàn)參數(shù)優(yōu)化軟件建立回歸模型，能夠給出理論上的全局最優(yōu)點(diǎn)，可以直觀分析因素之間的交互作用而不增加實(shí)驗(yàn)次數(shù)，對(duì)進(jìn)一步的實(shí)驗(yàn)設(shè)計(jì)、優(yōu)化過(guò)程控制有較強(qiáng)的指導(dǎo)作用。

1　SVM原理

支持向量機(jī)(Support Vector Machine，SVM)建立在統(tǒng)計(jì)學(xué)理論基礎(chǔ)之上，具有簡(jiǎn)潔的數(shù)學(xué)形式、直觀的幾何解釋，能較好地解決小樣本、非線性和局部極小等問(wèn)題[8]。其基本原理是：對(duì)于回歸模型，給定訓(xùn)練數(shù)據(jù)(x1,y1),…,(xN,yN),x∈Rn,yi∈R，在ε-SVR中，目標(biāo)是找到Rn上的一個(gè)實(shí)值函數(shù)f(x)，標(biāo)準(zhǔn)的支持向量機(jī)形式是：

(1)

利用拉格朗日算子α和α*將其轉(zhuǎn)化為對(duì)偶形式[9]，即

(2)

其中K(Xi,Xj)為支持向量機(jī)的核函數(shù)。求解式(2)得w并代入回歸函數(shù)的一般形式f(x)=〈w,x〉+b可得

總之，健康管理應(yīng)該是多維度、多層面、多學(xué)科的體系。在實(shí)踐中，始終保持更開放、更虛心的態(tài)度，更多的運(yùn)用哲學(xué)思維而不是僵化的“科學(xué)概念”，可能更有助于推動(dòng)我們的健康管理事業(yè)發(fā)展。

(3)

多項(xiàng)式核函數(shù)K(x,y)=(x*y+b)d,

b≥0,d∈N；

(4)

(5)

神經(jīng)網(wǎng)絡(luò)核函數(shù)K(x,y)=tanh(c1(xi·xj)+

c2)。

(6)

核函數(shù)還有很多，如樣條核函數(shù)、Fourier核函數(shù)、小波核函數(shù)、結(jié)構(gòu)化核函數(shù)等，都具有各自的特點(diǎn)和適用場(chǎng)合[9]。支持向量回歸算法(SupportVectorRegression，SVR)是SVM的一部分，它主要是通過(guò)對(duì)數(shù)據(jù)升維后，在高維空間中構(gòu)造線性決策函數(shù)來(lái)實(shí)現(xiàn)線性回歸，用核函數(shù)代替線性方程中的線性項(xiàng)，使原來(lái)的線性算法“非線性化”，即間接地實(shí)現(xiàn)了非線性回歸。在本文中，所設(shè)計(jì)的SVR實(shí)驗(yàn)參數(shù)優(yōu)化軟件1.0版是基于libsvm3.11在matlab中的工具箱實(shí)現(xiàn)的，其訓(xùn)練算法和分類算法都比較先進(jìn)，效率也比較高[10-11]，利用該軟件可以優(yōu)化出電化學(xué)處理含聚污水的理論最優(yōu)工藝條件。

2　實(shí)驗(yàn)部分

實(shí)驗(yàn)用含聚污水樣品為模擬海上油田礦化水(礦化度7 205.18mg/L)，配制含聚200mg/L、含油479.75mg/L的污水，黏度1.28mPa·s(T=55 ℃)，ζ電位-19.109 8mV。電極選用釕銥復(fù)合(+)—Al(-)，在單因素實(shí)驗(yàn)的基礎(chǔ)上[7]，選擇電化學(xué)降解工藝過(guò)程控制參數(shù)的范圍：電解時(shí)間t為10～30min，電解電流I為2.0～4.0A，極板間距d為4.0～8.0cm，面體比(cm2/mL)為2/21～2/17，測(cè)定處理前后的含油量，計(jì)算除油率。各實(shí)驗(yàn)因素選取三水平，實(shí)驗(yàn)因素水平表見表1。

表1　實(shí)驗(yàn)設(shè)計(jì)因素與水平

3　結(jié)果與討論

表2　含聚污水電化學(xué)處理的正交試驗(yàn)設(shè)計(jì)及結(jié)果

3.1參數(shù)優(yōu)化及SVM建模

SVM模型及參數(shù)的選擇是建模成功的關(guān)鍵。本文中建模選擇ε-SVR方法，RBF核函數(shù)，懲罰因子C、核參數(shù)g以及損失參數(shù)p是影響模型預(yù)測(cè)性能最重要的3個(gè)參數(shù)，使用量子粒子群(QPSO)算法對(duì)3個(gè)參數(shù)同時(shí)尋優(yōu)，以此來(lái)尋找最優(yōu)的回歸模型。為消除不同因素間量綱的影響，將4個(gè)不同因素依次標(biāo)記為A、B、C、D并將數(shù)據(jù)歸一化到[-1,1]，然后采用K-flod交叉驗(yàn)證方法，取K值為3，即將訓(xùn)練集隨機(jī)地分為3組，以其中2組作為測(cè)試集，另一組作為驗(yàn)證集；以3組的總均方誤差最小為目標(biāo)。除油率模型參數(shù)優(yōu)化結(jié)果見圖1。

圖1　除油率回歸模型參數(shù)的QPSO尋優(yōu)Fig.1　QPSO optimization of oil removal efficiency regression model parameter

通過(guò)量子粒子群算法的尋優(yōu)，可以確定含聚污水除油率回歸模型的懲罰參數(shù)C為87.334 1、核參數(shù)g為0.026 355，損失參數(shù)p為0.021 585。

通過(guò)得到的最優(yōu)參數(shù)建立回歸模型后，首先對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見表3。

從表3可以看出，模型預(yù)測(cè)值與實(shí)驗(yàn)結(jié)果偏差不大。對(duì)于除油率，回歸模型的相關(guān)系數(shù)R2=0.946 9，均方誤差MSE為1.838 3，因此認(rèn)為建立的回歸模型是有效的。

表3　回歸模型的實(shí)際值與預(yù)測(cè)值的比較

3.2因素間的交互作用

本研究中的因變量為除油率。為了解各因素之間的交互作用，令其中2個(gè)因素處于中間水平(即歸一化后的0水平)，另2個(gè)因素為自變量，繪制相應(yīng)的立體圖和等高線圖，等高線圖中紅色代表高除油率，藍(lán)色區(qū)域代表低除油率。從圖2—圖7可直觀觀察一因素對(duì)另一因素的影響程度。

3.2.1電解時(shí)間和電解電流的交互作用在除油率的回歸模型中，電解時(shí)間和電解電流交互作用見圖2。

圖2　電解時(shí)間和電解電流之間的交互作用Fig.2　Interaction of electrolysis time and electrolysis current

從圖2可以看出，電解時(shí)間和電流之間的交互作用不明顯，當(dāng)電解時(shí)間和電流均增大時(shí)，除油率平滑上升，且在電解時(shí)間為30 min、電流為4.0 A、極板間距為6.000 0 cm、面體比(cm2/mL)為 2/19時(shí)獲得除油率的極大值81.748 5%。

3.2.2電解時(shí)間和極板間距的交互作用在除油率的回歸模型中，電解時(shí)間和極板間距交互作用見圖3。

圖3　電解時(shí)間和極板間距之間的交互作用Fig.3　Interaction of electrolysis time and distance between polar plates

從圖3可以看出，圖3(a)中Z軸的高度就是除油率的大小，當(dāng)電解時(shí)間較短時(shí)，隨著極板間距的增大，除油率均上升，但當(dāng)繼續(xù)增加電解時(shí)間時(shí)，除油率隨著極板間距的增大而先增大后減小，且在電解時(shí)間為30 min、電流為3.0 A、極板間距為6.626 7 cm、面體比(cm2/mL)為 2/19時(shí)獲得除油率的極大值79.108 9%。

3.2.3電解時(shí)間和面體比的交互作用在除油率的回歸模型中，電解時(shí)間和面體比交互作用見圖4。

圖4　電解時(shí)間和面體比之間的交互作用Fig.4　Interaction of electrolysis time and area-volume ratio

從圖4可以看出，電解時(shí)間和面體比的交互作用與電解時(shí)間和極板間距的交互作用類似。當(dāng)電解時(shí)間較短時(shí)，隨著面體比的增大，除油率上升，但當(dāng)繼續(xù)增加電解時(shí)間時(shí)，除油率隨著面體比的增大而先增大后減小，且電解時(shí)間為30 min、電流為3.0 A、極板間距為6.000 0 cm、面體比(cm2/mL)為200/1 867時(shí)獲得除油率的極大值78.979 8%。

3.2.4電解電流和極板間距間的交互作用在除油率的回歸模型中，電解電流和極板間距交互作用見圖5。

圖5　電解電流和極板間距之間的交互作用Fig.5　Interaction of electrolysis current and distance between polar plates

從圖5可以看出，電流和極板間距間也存在一定的交互作用，當(dāng)電流較小時(shí)，隨著極板間距的增大，除油率上升，但當(dāng)繼續(xù)增加電流時(shí)，除油率隨著極板間距的增大而先增大后減小，且在電解時(shí)間為20 min、電流為4.0 A、極板間距為6.506 7 cm、面體比(cm2/mL)為200/1 879時(shí)獲得除油率的極大值79.631 6%。

3.2.5電解電流和面體比的交互作用在除油率的回歸模型中，電解電流和面體比交互作用見圖6。

從圖6可以看出， 電流和面體比之間的交互作

圖6　電解電流和面體比的交互作用Fig.6　Interaction of electrolysis current and area-volume ratio

用不明顯，在全范圍內(nèi)，除油率均隨著面體比的增大而先增大后減小，電流沒有改變其影響幅度，僅在除油率上隨著電流的增大而逐步增大。且在電解時(shí)間為20 min、電流為4.0 A、極板間距為6.000 0 cm、面體比(cm2/mL)為200/1 767時(shí)獲得除油率的極大值80.063 5%。

3.2.6極板間距和面體比的交互作用在除油率的回歸模型中，極板間距和面體比交互作用見圖7。

圖7　極板間距和面體比之間的交互作用Fig.7　Interaction of distance between polar plates and area-volume ratio

從圖7可以看出，當(dāng)面體比較小時(shí)，隨著極板間距的增大，除油率快速增大，但當(dāng)繼續(xù)增加面體比時(shí)，隨著極板間距的增大，除油率反而有所下降。且在電解時(shí)間為20 min、電流為3.0 A、極板間距為6.813 3 cm、面體比(cm2/mL)為200/1 814時(shí)獲得除油率的極大值77.683 9%。

3.3優(yōu)化結(jié)果

通過(guò)回歸模型對(duì)除油率的全局最優(yōu)點(diǎn)進(jìn)行搜索，得到的最高除油率為81.880 7%，對(duì)應(yīng)的電解時(shí)間為30 min、電流為4.0 A、極板間距為6.222 7 cm、面體比(cm2/mL)為200/1 827，可以按此過(guò)程控制參數(shù)來(lái)提高電化學(xué)處理含聚污水的除油率。

4　結(jié)　論

本文基于SVM原理參數(shù)優(yōu)化建模，提出了含聚污水除油率回歸模型的過(guò)程控制方法。用傳統(tǒng)的正交統(tǒng)計(jì)方法選取最優(yōu)點(diǎn)，通過(guò)采用SVM法對(duì)基本正交試驗(yàn)數(shù)據(jù)進(jìn)行建模和優(yōu)化，建立回歸模型找出理論上的全局最優(yōu)點(diǎn)，克服了試驗(yàn)影響因素較多時(shí)存在可能遺漏理論上最優(yōu)點(diǎn)的問(wèn)題，以及在試驗(yàn)過(guò)程控制設(shè)計(jì)中要考慮諸多因素的交互作用，勢(shì)必增大試驗(yàn)次數(shù)的問(wèn)題。通過(guò)圖形表達(dá)把諸影響因素之間的交互作用直觀地體現(xiàn)出來(lái)，對(duì)進(jìn)一步的試驗(yàn)設(shè)計(jì)和方案優(yōu)化具有明確的指示作用，對(duì)提高過(guò)程控制參數(shù)優(yōu)化的效率和效果有較好的指導(dǎo)作用。

[1]唐洪明，黎菁，何保生，等.旅大10-1油田含聚污水回注對(duì)儲(chǔ)層損害研究[J].油田化學(xué)，2011,28(2)：181-185,205.

TANG Hongming,LI Jing,HE Baosheng,et al.The damage of polymer-flooding wastewater injection into the reservoir of LD10-1 oil fields[J].Oilfield Chemistry,2011,28(2):181-185,205.

[2]段明，王虎，張健，等.旅大10-1平臺(tái)污水處理效果影響因素分析[J].中國(guó)海上油氣，2010,22(6)：420-423.

DUAN Ming,WANG Hu,ZHANG Jian,et al.Analysis of operational efficiency and problem of produced water system in LD 10-1 oilfield[J].China Offshore Oil and Gas,2010,22(6):420-423.

[3]陳武，靖波，張健，等.聚合物驅(qū)含油污水的聚集特性研究[J].工業(yè)水處理，2012,32(3)：77-80.

CHEN Wu,JING Bo,ZHANG Jian,et al.Study on the aggregative properties of polymer-flooding oil-bearing wastewater[J].Industrial Water Treatment,2012,32(3):77-80.

[4]尹先清，張健，靖波，等.聚驅(qū)污水含聚量對(duì)污水處理設(shè)備的影響[J].環(huán)境工程學(xué)報(bào)，2012,6(10)：3499-3502.

YIN Xianqing,ZHANG Jian,JING Bo,et al.Effect of polymer content of polymer-flooding sewage water on equipment for wastewater treatment[J].Chinese Journal of Environmental Engineering,2012,6(10):3499-3502.

[5]尹先清，靖波，肖清燕，等.含聚污水斜管除油-過(guò)濾分離效率實(shí)驗(yàn)研究[J].過(guò)濾與分離，2013,23(2)：1-3,17.

YIN Xianqing,JING Bo,XIAO Qingyan,et al.Study on the separation efficiency of inclined tube oil removal-filtration for polymer wastewater[J].Journal of Filtration & Separation,2013,23(2):1-3,17.

[6]陳武，梅平.環(huán)境污染治理的電化學(xué)技術(shù)[M].北京：石油工業(yè)出版社，2013:22,212.

[7]海洋石油高效開發(fā)國(guó)家重點(diǎn)實(shí)驗(yàn)室.海上稠油高效開發(fā)新技術(shù)[M].北京:石油工業(yè)出版社，2013:367-374.

[8]張學(xué)工.關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J].自動(dòng)化學(xué)報(bào)，2000,26(1)：32-42.

ZHANG Xuegong.Introduction to statistical learning theory and support vector machines[J].Acta Automatica Sinica,2000,26(1):32-42.

[9]高鹍，孫德翔，邢國(guó)平，等.基于遺傳算法優(yōu)化支持向量機(jī)的航空裝備維修費(fèi)用預(yù)測(cè)[J].兵工自動(dòng)化，2011,30(9)：24-27.

GAO Kun,SUN Dexiang,XING Guoping,et al.Maintenance cost forecast of aviation equipment based on genetic algorithm optimization SVM[J].Ordnance Industry Automation,2011,30(9):24-27.

[10]張超.基于支持向量機(jī)的汽輪機(jī)軸系振動(dòng)故障智能診斷研究[D].保定：華北電力大學(xué)(河北),2009.

[11]初金濤.基于支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)研究[D].青島：青島大學(xué)，2007.

[12]LI Meng,MENG Fanzhen,WANG Nan.Comparison and application of support vector machine and orthogonal design method[J].Computers and Applied Chemistry,2004,21(6):800-802.

責(zé)任編輯：董瑾

Electrochemical Treatment Process Control of Polymer-Containing Wastewater Based on SVM Method

YIN Xianqing1,LUO Xiaoming1,2,WANG Wenbin1，ZHANG Jiang3,4，JING Bo3,4

(1.College of Chemical and Environmental Engineering，Yangtze University,Jingzhou 434023,Hubei,China;2.Jingzhou Vocational College of Technology,Jingzhou 434023,Hubei,China;3.State Key Laboratory of Offshore Oil Efficient Development,Beijing 100028,China;4.Research Institute,China National Offshore Oil Corporation,Beijing 100028,China)

Combining orthogonal design with the SVR experimental parameter optimization software,which is developed by ourselves using support vector machines(SVM) algorithm suitable for the analysis modeling of small sample data,is used for the optimization of the electrochemical polymer-containing wastewater treatment process parameters.To use the regression model established by the SVM algorithm whose parameters optimized by QPSO algorithm can find out the theoretical global optimal point,directly express the interaction between factors,and reduce the number of orthogonal experiments.This optimization method is quick and effective,and the obtained highest oil removal rate is 81.88%,the corresponding electrolysis time is 30 min,the electrolysis current is 4.0 A,the distance between plates is 6.222 7 cm and the area-to-volume ratio is 200/182 7 cm2/mL.The method can be used for the optimization of the electrochemical treatment process control parameters of polymer-containing wastewater.

polymer-containing wastewater;electrochemical treatment；process control;SVM

2015-09-11

國(guó)家科技重大專項(xiàng)“海上油田化學(xué)驅(qū)油技術(shù)”(編號(hào)：2016ZX05025-003)

尹先清(1962-)，男，教授，碩士，主要從事油氣田化學(xué)工程方面的研究。E-mail:jzyinxq@126.com

10.3969/j.issn.1673-064X.2016.03.015

TE992

1673-064X(2016)03-0092-06

A