随着我国国民经济的快速发展,对石油产品的需求量越来越大,国产原油已经不能满足经济发展的需要。进口原油量不断加大,原油品质差别较大,酸值及含硫量普遍较高,使很多企业面临着新的设备腐蚀问题。在炼油生产中,“一脱三注”(原油脱盐、注氨、注缓蚀剂、注水)是防止或减缓塔顶系统腐蚀的有效措施,但注剂量(注氨量、注缓蚀剂量)的确定多停留在专家经验阶段。注剂量的多少以及注剂量与工艺参数(原油酸值A、含硫量S和排水中的pH值、铁离子浓度Fe2+/3+)之间的关系,都是亟待解决的问题。本文从理论与实践两个方面,对炼油蒸馏装置注剂量进行深入的研究,找出了在炼油生产中的不同情况下蒸馏塔设备防腐的最优注剂量。目前炼油企业油品更换频繁,现场采集到的注氨量、注缓蚀剂量、原油酸值A、含硫量S和排水中的pH值和铁离子浓度Fe2+/3+等工艺数据变化较大,造成样本数据的特征属性较多。如果直接用这样的数据应用支持向量机建立预测模型,会增加计算量,降低训练速度及预测精度。本文采用基于数据的模糊分类方法来解决这一问题,该方法以模糊数学、模糊推理等方法为基础,对蒸馏装置现场采集到的工艺数据进行模糊分类,建立模糊规则。为进一步分析及优化数据提供有利的支持,针对企业设备的耐腐蚀性质的差别,本文还采用了其它规则,对数据进行分类研究。基于统计学习理论的支持向量机是一种新型的学习方法,它遵照结构风险最小化原则。本文在分析专家经验数据的基础上,应用支持向量机方法建立注剂量与原油酸值、含硫量和排水pH值、铁离子浓度的关系模型,得到了不同类别的注剂量与原油酸值、含硫量和排水pH值、铁离子浓度数据的输入与输出关系；并将运用支持向量机建立的注氨量、注缓蚀剂量预测模型与BP神经元网络预测效果进行了比较。仿真结果表明,支持向量机克服了神经元网络等方法的一些固有缺点,提高了模型的泛化能力,在小样本建模方面有着特殊的优势。基于数据的模糊分类方法将现场采集到的工艺数据分类,利用支持向量机建立的注剂工艺数据的关系模型得到数据之间的清晰关系,虽然在宏观上能够反映注剂工艺过程的一般规律,却不能给出的各类原油生产的最优注氨量和注缓蚀剂量。本文建立了注氨、注缓蚀剂的0-1整数规划模型,并应用二进制粒子群算法求解出在炼油生产中,注剂量与原油酸值、含硫量和排水pH值、铁离子浓度在不同条件下(如满意度等)的最优结果。经过粒子群算法求解的最优解在满足工艺要求和不同满意度的前提下,使注剂量适中,既达到了设备防腐的目的,又避免了为了防腐而过量投放,造成大量浪费的现象。最后,给出了全文总结,并对下一步注剂量研究进行了展望。