基于SVM方法的含聚污水电化学处理过程控制研究

尹先清，罗晓明，2，王文斌，张 健，靖 波

(1.长江大学 化学与环境工程学院，湖北 荆州 434023； 2.荆州理工职业学院 化工系，湖北 荆州 434023；3.海洋石油高效开发国家重点实验室，北京 100028； 4.中海油研究总院，北京 100028)



基于SVM方法的含聚污水电化学处理过程控制研究

尹先清1，罗晓明1，2，王文斌1，张 健3，4，靖 波3，4

(1.长江大学 化学与环境工程学院，湖北 荆州 434023； 2.荆州理工职业学院 化工系，湖北 荆州 434023；3.海洋石油高效开发国家重点实验室，北京 100028； 4.中海油研究总院，北京 100028)

采用适合进行小样本数据分析建模的支持向量机(SVM)算法，将正交设计和自行开发的SVR实验参数优化软件相结合用于电化学处理含聚污水工艺参数的优化实验。通过量子粒子群(QPSO)算法对SVM算法参数进行优化后，所建立的回归模型能够找到理论上的全局最优点，也可直观地表现因素之间的交互作用，降低了正交设计的试验次数，优化效果明显，是一种快捷、有效的优化方法。得到的最高除油率为81.88%，对应的电解时间为30 min，电解电流为4.0 A，极板间距为6.222 7 cm，面体比为200/1 827 cm2/mL。可以此组参数进行电化学处理含聚污水过程控制。

含聚污水；电化学处理；过程控制；SVM

尹先清，罗晓明，王文斌，等.基于SVM方法的含聚污水电化学处理过程控制研究[J].西安石油大学学报(自然科学版)，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

海上油田注聚开发是高效采油、提高采收率的有效手段。随着海上注聚的深入，采出液中含聚量逐渐加大。污水含聚导致污水的黏度增大，油水界面水膜强度增大，界面电荷增强，油水乳状液稳定性升高，污水处理难度加大，严重影响到平台采出液处理工艺的正常运行。污水中聚合物还影响水处理药剂的使用效果，导致絮凝效果差，药剂用量增大；污水中聚合物吸附泥沙，增加处理设施的负荷，降低处理效率[1-4]。渤海某油田采取注聚开发方式，目前采出液中含聚已经达到150 mg/L左右。有效降低含聚污水的黏度，保证污水处理设备的运行效率是海上平台污水处理中面临的难题[5]。

电化学技术处理含聚污水具有速度快、效率高的优势，已经取得突破性进展[6-7]。传统的方案优化通常采用正交试验法，该统计方法给出的最优点不一定是全局最优点，且如果试验设计中考虑各因素之间的交互作用将大大增加试验次数。本文利用基本正交试验数据和SVR实验参数优化软件建立回归模型，能够给出理论上的全局最优点，可以直观分析因素之间的交互作用而不增加实验次数，对进一步的实验设计、优化过程控制有较强的指导作用。

1　SVM原理

支持向量机(Support Vector Machine，SVM)建立在统计学理论基础之上，具有简洁的数学形式、直观的几何解释，能较好地解决小样本、非线性和局部极小等问题[8]。其基本原理是：对于回归模型，给定训练数据(x1,y1),…,(xN,yN),x∈Rn,yi∈R，在ε-SVR中，目标是找到Rn上的一个实值函数f(x)，标准的支持向量机形式是：

(1)

利用拉格朗日算子α和α*将其转化为对偶形式[9]，即

(2)

其中K(Xi,Xj)为支持向量机的核函数。求解式(2)得w并代入回归函数的一般形式f(x)=〈w,x〉+b可得

总之，健康管理应该是多维度、多层面、多学科的体系。在实践中，始终保持更开放、更虚心的态度，更多的运用哲学思维而不是僵化的“科学概念”，可能更有助于推动我们的健康管理事业发展。

(3)

多项式核函数K(x,y)=(x*y+b)d,

b≥0,d∈N；

(4)

(5)

神经网络核函数K(x,y)=tanh(c1(xi·xj)+

c2)。

(6)

核函数还有很多，如样条核函数、Fourier核函数、小波核函数、结构化核函数等，都具有各自的特点和适用场合[9]。支持向量回归算法(SupportVectorRegression，SVR)是SVM的一部分，它主要是通过对数据升维后，在高维空间中构造线性决策函数来实现线性回归，用核函数代替线性方程中的线性项，使原来的线性算法“非线性化”，即间接地实现了非线性回归。在本文中，所设计的SVR实验参数优化软件1.0版是基于libsvm3.11在matlab中的工具箱实现的，其训练算法和分类算法都比较先进，效率也比较高[10-11]，利用该软件可以优化出电化学处理含聚污水的理论最优工艺条件。

2　实验部分

实验用含聚污水样品为模拟海上油田矿化水(矿化度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电位-19.109 8mV。电极选用钌铱复合(+)—Al(-)，在单因素实验的基础上[7]，选择电化学降解工艺过程控制参数的范围：电解时间t为10～30min，电解电流I为2.0～4.0A，极板间距d为4.0～8.0cm，面体比(cm2/mL)为2/21～2/17，测定处理前后的含油量，计算除油率。各实验因素选取三水平，实验因素水平表见表1。

表1　实验设计因素与水平

3　结果与讨论

表2　含聚污水电化学处理的正交试验设计及结果

3.1参数优化及SVM建模

SVM模型及参数的选择是建模成功的关键。本文中建模选择ε-SVR方法，RBF核函数，惩罚因子C、核参数g以及损失参数p是影响模型预测性能最重要的3个参数，使用量子粒子群(QPSO)算法对3个参数同时寻优，以此来寻找最优的回归模型。为消除不同因素间量纲的影响，将4个不同因素依次标记为A、B、C、D并将数据归一化到[-1,1]，然后采用K-flod交叉验证方法，取K值为3，即将训练集随机地分为3组，以其中2组作为测试集，另一组作为验证集；以3组的总均方误差最小为目标。除油率模型参数优化结果见图1。

图1　除油率回归模型参数的QPSO寻优Fig.1　QPSO optimization of oil removal efficiency regression model parameter

通过量子粒子群算法的寻优，可以确定含聚污水除油率回归模型的惩罚参数C为87.334 1、核参数g为0.026 355，损失参数p为0.021 585。

通过得到的最优参数建立回归模型后，首先对实验数据进行预测，预测结果见表3。

从表3可以看出，模型预测值与实验结果偏差不大。对于除油率，回归模型的相关系数R2=0.946 9，均方误差MSE为1.838 3，因此认为建立的回归模型是有效的。

表3　回归模型的实际值与预测值的比较

3.2因素间的交互作用

本研究中的因变量为除油率。为了解各因素之间的交互作用，令其中2个因素处于中间水平(即归一化后的0水平)，另2个因素为自变量，绘制相应的立体图和等高线图，等高线图中红色代表高除油率，蓝色区域代表低除油率。从图2—图7可直观观察一因素对另一因素的影响程度。

3.2.1电解时间和电解电流的交互作用在除油率的回归模型中，电解时间和电解电流交互作用见图2。

图2　电解时间和电解电流之间的交互作用Fig.2　Interaction of electrolysis time and electrolysis current

从图2可以看出，电解时间和电流之间的交互作用不明显，当电解时间和电流均增大时，除油率平滑上升，且在电解时间为30 min、电流为4.0 A、极板间距为6.000 0 cm、面体比(cm2/mL)为 2/19时获得除油率的极大值81.748 5%。

3.2.2电解时间和极板间距的交互作用在除油率的回归模型中，电解时间和极板间距交互作用见图3。

图3　电解时间和极板间距之间的交互作用Fig.3　Interaction of electrolysis time and distance between polar plates

从图3可以看出，图3(a)中Z轴的高度就是除油率的大小，当电解时间较短时，随着极板间距的增大，除油率均上升，但当继续增加电解时间时，除油率随着极板间距的增大而先增大后减小，且在电解时间为30 min、电流为3.0 A、极板间距为6.626 7 cm、面体比(cm2/mL)为 2/19时获得除油率的极大值79.108 9%。

3.2.3电解时间和面体比的交互作用在除油率的回归模型中，电解时间和面体比交互作用见图4。

图4　电解时间和面体比之间的交互作用Fig.4　Interaction of electrolysis time and area-volume ratio

从图4可以看出，电解时间和面体比的交互作用与电解时间和极板间距的交互作用类似。当电解时间较短时，随着面体比的增大，除油率上升，但当继续增加电解时间时，除油率随着面体比的增大而先增大后减小，且电解时间为30 min、电流为3.0 A、极板间距为6.000 0 cm、面体比(cm2/mL)为200/1 867时获得除油率的极大值78.979 8%。

3.2.4电解电流和极板间距间的交互作用在除油率的回归模型中，电解电流和极板间距交互作用见图5。

图5　电解电流和极板间距之间的交互作用Fig.5　Interaction of electrolysis current and distance between polar plates

从图5可以看出，电流和极板间距间也存在一定的交互作用，当电流较小时，随着极板间距的增大，除油率上升，但当继续增加电流时，除油率随着极板间距的增大而先增大后减小，且在电解时间为20 min、电流为4.0 A、极板间距为6.506 7 cm、面体比(cm2/mL)为200/1 879时获得除油率的极大值79.631 6%。

3.2.5电解电流和面体比的交互作用在除油率的回归模型中，电解电流和面体比交互作用见图6。

从图6可以看出， 电流和面体比之间的交互作

图6　电解电流和面体比的交互作用Fig.6　Interaction of electrolysis current and area-volume ratio

用不明显，在全范围内，除油率均随着面体比的增大而先增大后减小，电流没有改变其影响幅度，仅在除油率上随着电流的增大而逐步增大。且在电解时间为20 min、电流为4.0 A、极板间距为6.000 0 cm、面体比(cm2/mL)为200/1 767时获得除油率的极大值80.063 5%。

3.2.6极板间距和面体比的交互作用在除油率的回归模型中，极板间距和面体比交互作用见图7。

图7　极板间距和面体比之间的交互作用Fig.7　Interaction of distance between polar plates and area-volume ratio

从图7可以看出，当面体比较小时，随着极板间距的增大，除油率快速增大，但当继续增加面体比时，随着极板间距的增大，除油率反而有所下降。且在电解时间为20 min、电流为3.0 A、极板间距为6.813 3 cm、面体比(cm2/mL)为200/1 814时获得除油率的极大值77.683 9%。

3.3优化结果

通过回归模型对除油率的全局最优点进行搜索，得到的最高除油率为81.880 7%，对应的电解时间为30 min、电流为4.0 A、极板间距为6.222 7 cm、面体比(cm2/mL)为200/1 827，可以按此过程控制参数来提高电化学处理含聚污水的除油率。

4　结　论

本文基于SVM原理参数优化建模，提出了含聚污水除油率回归模型的过程控制方法。用传统的正交统计方法选取最优点，通过采用SVM法对基本正交试验数据进行建模和优化，建立回归模型找出理论上的全局最优点，克服了试验影响因素较多时存在可能遗漏理论上最优点的问题，以及在试验过程控制设计中要考虑诸多因素的交互作用，势必增大试验次数的问题。通过图形表达把诸影响因素之间的交互作用直观地体现出来，对进一步的试验设计和方案优化具有明确的指示作用，对提高过程控制参数优化的效率和效果有较好的指导作用。

[1]唐洪明，黎菁，何保生，等.旅大10-1油田含聚污水回注对储层损害研究[J].油田化学，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，张健，等.旅大10-1平台污水处理效果影响因素分析[J].中国海上油气，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]陈武，靖波，张健，等.聚合物驱含油污水的聚集特性研究[J].工业水处理，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，张健，靖波，等.聚驱污水含聚量对污水处理设备的影响[J].环境工程学报，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-过滤分离效率实验研究[J].过滤与分离，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]陈武，梅平.环境污染治理的电化学技术[M].北京：石油工业出版社，2013:22,212.

[7]海洋石油高效开发国家重点实验室.海上稠油高效开发新技术[M].北京:石油工业出版社，2013:367-374.

[8]张学工.关于统计学习理论与支持向量机[J].自动化学报，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，孙德翔，邢国平，等.基于遗传算法优化支持向量机的航空装备维修费用预测[J].兵工自动化，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]张超.基于支持向量机的汽轮机轴系振动故障智能诊断研究[D].保定：华北电力大学(河北),2009.

[11]初金涛.基于支持向量机的网络入侵检测研究[D].青岛：青岛大学，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.

责任编辑：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

国家科技重大专项“海上油田化学驱油技术”(编号：2016ZX05025-003)

尹先清(1962-)，男，教授，硕士，主要从事油气田化学工程方面的研究。E-mail:jzyinxq@126.com

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

TE992

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

A