催化裂化是石油炼制过程之一，是在热和催化剂的作用下使重质油发生裂化反应，转变为裂化气、汽油和柴油等的过程。随着催化裂化加工原料的重质化，各种腐蚀物质含量愈来愈高，不仅引起设备的严重腐蚀，每年因此报废的钢材相当惊人，还使得后序深加工装置的产品质量下降。其中以分馏塔顶循环系统的腐蚀最为剧烈，分馏塔顶循环系统的腐蚀类型众多，腐蚀机理复杂，并且造成设备的损坏最为剧烈。　　因分馏塔顶循环系统腐蚀因素多且关系复杂，采用一般的方法不能完全实现多因素的腐蚀预测和控制。采用信息融合技术将pH值、Cl-、H2S、氮化物四种腐蚀参数融合在一起，利用神经网络建立多源腐蚀参数与Fe离子的关系，解决腐蚀预测的问题，为腐蚀控制提供依据。　　利用信息融合技术建立的分馏塔顶循环系统的腐蚀预测系统，通过从独山子石化现场腐蚀监测系统采集的数据对腐蚀预测系统进行训练，实现了多源信息融合计算预测腐蚀情况的目标。对于腐蚀预测系统的训练，采用MATLAB神经网络算法对四种腐蚀参数进行融合计算，比较BP算法和径向基算法的训练速度和预测精度，提出解决实际问题的合理的腐蚀预测的方法。通过验证，在合理选择中间层数和散布常数的情况下，两种方法精度都达到要求。　　基于分馏塔顶循环系统的腐蚀预测系统，通过计算，对四种腐蚀参数分别进行了敏感性分析，画出了腐蚀参数的敏感性曲线图，得出Cl-和H2S是腐蚀敏感性强的参数的结论。　　完成了分馏塔顶循环系统腐蚀预测的操作系统的设计，针对催化裂化装置的生产工艺参数，确定其温度、压力和材质，输入腐蚀预测系统的腐蚀参数即可预测出腐蚀检测参数Fe2+、Fe3+的具体数值，为确定腐蚀情况和控制腐蚀提供理论依据。　　在预测的Fe2+、Fe3+含量超出要求的情况，通过控制腐蚀参数含量的方法实现腐蚀防护的目的和要求。并根据设备腐蚀情况，提出安装腐蚀监测点的建议。