腐蚀和结垢是循环冷却水系统运行中经常出现的现象，严重影响生产装置的正常运行，会造成严重的经济损失和水资源的浪费，因此对腐蚀和结垢进行及时处理尤为重要。而处理的前提是能够实时掌握系统腐蚀和结垢的情况。近年来，随着石化公司综合自动化和信息化系统的运行，积累了大量的水质和工艺数据。基于这些数据建立循环冷却水系统的水质模型，研究和预测循环冷却水系统的腐蚀结垢特性，具有重要的理论意义和应用价值，也是本文的研究重点。本文从“工业水专业信息管理系统”提取了相关的水质和工艺数据，进行了数据预处理，分析得出了影响水质腐蚀和结垢特性的六种因素。以中石化分公司烯烃二循提供的水质和工艺历史数据作为训练样本和测试样本，基于人工神经网络原理确定了BP神经网络的模型结构。通过运用标准BP算法、自适应LR变步长算法、Levenberg-Marquardt算法等六种算法对网络进行仿真训练，针对收敛速度、稳定性的对比，确定了利用LM算法作为BP神经网络的训练算法，建立了一种典型的循环冷却水系统的水质模型。本文建立了循环冷却水系统的水质特性预测模型，并对该模型进行了验证与测试，结果表明该模型可以预测水质的腐蚀结垢特性，预测精度较高。该方法为循环冷却水水质特性预测提供了一种新途径，综合水质指数法等可对水质特性进行更加全面的评价。最后利用Visual C++初步开发了循环冷却水智能分析软件，该软件包括水质特性判断、水质数据分析和辅助信息查询等功能。