CN107871054A - 基于ahp‑模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及中和剂组合物 - Google Patents
基于ahp‑模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及中和剂组合物 Download PDFInfo
- Publication number
- CN107871054A CN107871054A CN201610847670.6A CN201610847670A CN107871054A CN 107871054 A CN107871054 A CN 107871054A CN 201610847670 A CN201610847670 A CN 201610847670A CN 107871054 A CN107871054 A CN 107871054A
- Authority
- CN
- China
- Prior art keywords
- index
- fuzzy
- evaluation
- ahp
- neutralizer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- HGCIXCUEYOPUTN-UHFFFAOYSA-N C1CC=CCC1 Chemical compound C1CC=CCC1 HGCIXCUEYOPUTN-UHFFFAOYSA-N 0.000 description 1
- SMBYUOXUISCLCF-UHFFFAOYSA-N CCCN(C)CC Chemical compound CCCN(C)CC SMBYUOXUISCLCF-UHFFFAOYSA-N 0.000 description 1
- CGISAMRXMWOENC-UHFFFAOYSA-N CCC[N]1(C)(=C)=CC1 Chemical compound CCC[N]1(C)(=C)=CC1 CGISAMRXMWOENC-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
- C10G—CRACKING HYDROCARBON OILS; PRODUCTION OF LIQUID HYDROCARBON MIXTURES, e.g. BY DESTRUCTIVE HYDROGENATION, OLIGOMERISATION, POLYMERISATION; RECOVERY OF HYDROCARBON OILS FROM OIL-SHALE, OIL-SAND, OR GASES; REFINING MIXTURES MAINLY CONSISTING OF HYDROCARBONS; REFORMING OF NAPHTHA; MINERAL WAXES
- C10G7/00—Distillation of hydrocarbon oils
-
- C—CHEMISTRY; METALLURGY
- C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
- C10G—CRACKING HYDROCARBON OILS; PRODUCTION OF LIQUID HYDROCARBON MIXTURES, e.g. BY DESTRUCTIVE HYDROGENATION, OLIGOMERISATION, POLYMERISATION; RECOVERY OF HYDROCARBON OILS FROM OIL-SHALE, OIL-SAND, OR GASES; REFINING MIXTURES MAINLY CONSISTING OF HYDROCARBONS; REFORMING OF NAPHTHA; MINERAL WAXES
- C10G7/00—Distillation of hydrocarbon oils
- C10G7/06—Vacuum distillation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
本发明涉及基于AHP‑模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,包括:1.确定中和剂评选指标集合U,建立评选指标体系;2.建立中和剂评选备集V;3.确定各级指标的AHP判断矩阵;4.对判断矩阵进行一致性检验,若通过一致性检验,则进入步骤5,否则对判断矩阵进行修正;5.确定单个专家的各级指标的权重向量w;6.进行群组层次分析,得到各级指标的群组综合权重向量;7.建立各级指标的隶属度函数;8.确定模糊关系矩阵R,进行模糊综合评价;9.按照最大隶属度原则对评价结果进行模糊识别,优选出综合性能优越的中和剂。本发明还涉及由上述评选方法得到的中和剂组合物。该评选方法能够更简单快捷有效的开发和复配中和剂。
Description
技术领域
本发明涉及石油炼化工程领域,尤其涉及一种基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及由该方法选出的中和剂组合物。
背景技术
近年来,世界各国对石油的需求量迅速增加,石油战略地位明显提高。随着原油的深度开采,含酸、含硫、含盐等劣质、重质原油产量逐年增长,加工劣质原油的数量呈上升趋势。在原油加工过程中,这些原油中的有害物质会造成炼油设备的一系列腐蚀问题,引发失效事故,导致重大环境污染和灾难性的人身及设备安全事故。
常减压蒸馏装置作为石油炼制的首道工序,其开工周期的长短直接影响到后续各加工过程的正常运行,常减压装置的塔顶冷凝冷却系统却极易发生腐蚀,针对这一系统的腐蚀问题国内外均进行了大量研究,并取得了较多的研究成果和较有效的防腐技术,但仍不足以完全缓解或控制腐蚀。目前石油炼化企业普遍采取“一脱多注”的工艺防腐措施,“一脱”即电脱盐,“多注”即注水、注中和剂、注氨、注缓蚀剂、注中和缓蚀剂等。注中和剂是其中最重要的环节之一,用于中和并控制酸性水的腐蚀。中和剂最早采用廉价的氨水,但氨水存在碱性弱、挥发性大、高温下在水相的溶解度低等缺点,目前已经由有机胺或其混合物替代。
然而在中和剂的评价筛选上,目前大多数企业存在“没有评价过程,直接上装置”的现状,没有科学地考虑影响中和剂综合性能的各种因素,因此发明一种针对常减压装置塔顶冷凝环境的科学有效的中和剂评选技术具有重要的意义。
目前,常用的综合评价方法很多,主要有层次分析法、模糊综合评价法、灰色系统分析法、主成分分析法、数据包络分析法、人工神经网络分析法等。如何从上述大量的评价方法中选择适用于中和剂评选技术的方法至关重要。对中和剂评选进行分析,可以发现其具备以下特征,需要考虑的评价指标众多,部分评价指标具有明显的模糊特征、评价指标的之间重要性的比较很难单纯依靠数学模型得到,往往存在人的主观判断。可见单独一种综合评价方法很难满足上述特征,因此结合中和剂评选的特征,采用层次分析法(theAnalytic Hierarchy Proeess,简称AHP)和模糊综合评价法相结合的技术。
层次分析法,是一种实用的多准则决策方法,是20世纪70年代初期由美国著名运筹学家、匹兹堡大学教授L.Saaty提出来的。它把一个复杂问题表示为有序的递阶层次结构,通过人们的判断对决策方案的优劣进行排序。其操作简便,可靠性高,广泛应用在多个领域的多指标权重确定上。
模糊综合评价法是在模糊理论的基础上发展得到的。1965年美国控制论专家L.A.Zadeh教授发表了《模糊集合》这一开创新的论文,正式标志着模糊理论的产生。模糊综合评价法引入了“隶属函数”这个概念来描述差异的中间过渡,对事物的模糊性进行定量化的处理,进而借助模糊合成的理论对事物进行综合评价,广泛应用于评价因素或指标带有模糊属性的问题上。
因此基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,能很好地解决部分评价指标带有模糊性的问题,最终得到有说服力的评选结果。
发明内容
为了解决多数石油炼化企业在中和剂的评价筛选上存在“没有评价过程,直接上装置”的现状,本发明提出了一种基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,能够对影响中和剂综合性能的各种因素进行科学全面的分析考虑,进而从备选中和剂中实现优选;并且,本发明还提出了一种由该方法选出中和剂组合物。
本发明提供了一种基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,包括以下步骤:
(1)确定中和剂评选指标集合U,建立评选指标体系,包括4个二级指标和5个一级指标
首先是二级评价指标集合U=(u1,u2,u3,u4),式中u1为中和性能指标,u2为理化性质指标,u3为操作性能指标,u4为经济性能指标;其次是一级评价指标集合,共两组,分别是中和性能指标集合u1=(u11,u12),其中u11为碱性指标,u12为中和缓蚀效果指标,以及理化性质指标集合u2=(u21,u22,u23),其中u21为沸点指标,u22为胺盐熔点指标,u23为毒性指标;
(2)建立中和剂评选备集V
将若干种候选的中和剂构成的集合作为评选备集V=(v1,v2,...,vp),式中p为中和剂的种类数;
(3)确定各级指标的AHP判断矩阵
采用专家调查法,按照成对比较法和1-9标度法构造两两比较的判断矩阵A=(αij)n×n,其中αij指的是各级指标ui和uj比较得到的结果;
(4)对判断矩阵A进行一致性检验
一致性判断指标:其中,λmax为判断矩阵A的最大特征根,n为判断矩阵的维数,R.I.为判断矩阵的平均随机一致性指标,当n≥3时,C.R.<0.1认为判断矩阵A满足一致性的要求;当n=1或2时,C.I.<0.1即满足一致性的要求;
由所述一致性判断指标对判断矩阵A进行一致性检验,若满足一致性要求,则进入步骤(5),否则返回步骤(3)对判断矩阵A进行修正,直到满足一致性的要求为止;
(5)确定单个专家的各级指标的权重向量
针对判断矩阵A,求解AW=λmaxw得到最大特征根λmax对应的特征向量w=(w1,w2,...,wn)T,式中n为判断矩阵维数,然后把向量w归一化处理后得到单个专家的各级指标的权重向量;
(6)进行群组层次分析,得到各级指标的群组综合权重向量
群组层次分析是将单个专家的各级权重向量汇总为最终权重向量w,按照专家的职称和工作年限这两个因素给出专家的权重系数λ;
根据专家职称确定权重基准值α,不同的专家职称分别对应不同的α值;
根据专家对工作年限确定定义权重乘数因子β,不同的专家工作年限分别对应不同的β值;
专家权重值γ,按下式计算:γκ=ακ·βκ,κ=1,2,3...m,m为专家编号,对权重值归一化处理得到专家权重系数λm,再按照算术加权平均权重向量综合法,得到群组综合权重向量
所述群组综合权重向量包括二级评价指标群组综合权重向量以及针对中和性能的一级评价指标群组综合权重向量和针对理化性质的一级评价指标群组综合权重向量
(7)建立各级指标的隶属度函数
对于碱性指标、中和缓蚀效果指标和毒性指标,采用选择升半岭型分布函数:
上式中,x代表指标数据,a1和a2代表隶属度函数的参数;
对于沸点指标,采用改进型的正态分布函数:
上式中,x代表指标数据,a和k代表隶属度函数的参数;
对于胺盐熔点指标、经济性能指标和操作性能指标,采用选择降半岭型分布函数:
上式中,x代表指标数据,a1和a2代表隶属度函数的参数;
(8)确定模糊关系矩阵R,进行模糊综合评价
根据步骤(7)所建立隶属度函数,将各种中和剂对应的碱性指标隶属度和中和缓蚀效果指标隶属度整理成矩阵形式,构成针对中和性能指标的一级模糊关系矩阵然后将各种中和剂对应的沸点指标隶属度、胺盐熔点指标隶属度、和毒性指标隶属度整理成矩阵形式,构成针对理化性质指标的一级模糊关系矩阵然后进行一级模糊综合评价,
一级模糊综合评价结果结合操作性能指标和经济性能指标的隶属度,整理成矩阵形式用于构造二级模糊综合评价的模糊关系矩阵然后进行二级模糊综合评价,
(9)按照最大隶属度原则对评价结果进行模糊识别,优选出综合性能优越的中和剂
通过模糊综合评价,得到评价结果向量B,按照最大隶属度原则对评价结果向量进行识别,将中和剂评选择备集V中提供的p种中和剂,按照综合性能的优劣进行排序,从而优选出综合性能优良的中和剂。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(6)中,所述专家职称优选为工程师、高级工程师和教授级高级工程师时,分别对应α值优选为1.0、1.2和1.5。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(6)中,所述专家工作年限优选为0~5年、6~10年、11~20年和≥21年时,分别对应β值优选为1.0、1.1、1.2和1.3。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述碱性指标采用质量分数为0.1%的各种中和剂的pH值来衡量,取a1=9,a2=12。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述中和缓蚀效果指标采用各种中和剂添加到1200mg·L-1的缓蚀率来衡量,取a1=0.70,a2=0.90。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述毒性指标采用气体加权平均允许接触浓度值TWA-8h来衡量各种中和剂的毒性,取a1=10,a2=100。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述沸点指标要求所选用的中和胺的沸点比水的沸点高,且能够从蒸馏塔的塔顶馏出,取a=110,k=0.001。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述胺盐熔点指标依据所选用的中和剂和酸生成的盐的熔点,取a1=50,a2=500。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述经济性能指标通过各种中和剂的市场采购价格来确定,取a1=10000,a2=30000。
本发明所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,步骤(7)中,优选的是,所述操作性能指标通过各种中和剂的操作性能指数k来确定,取a1=0.5,a2=4。
本发明还提供一种中和剂组合物,其是由上述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法得到的,由乙二胺和N,N-二甲基乙醇胺组成,所述乙二胺和N,N-二甲基乙醇胺的比例为0.5~0.75:0.25~0.5,其中,乙二胺的浓度为600~900mg·L-1,N,N-二甲基乙醇胺的浓度为300~600mg·L-1。
基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法的具体步骤如下:
(1)确定中和剂评选指标集合U,建立评选指标体系递阶层次结构模型
综合考虑到炼油常减压蒸馏装置所选用的中和剂应当具备的条件,以及炼化企业最关心的因素,合理的确定了中和剂评选指标,并将各指标分为两级。
首先二级评价指标集合U=(u1,u2,u3,u4)=(中和性能,理化性质,操作性能,经济性能)。其次是一级评价指标,共两组,分别是中和性能指标细分得到的u1=(u11,u12)=(碱性,中和缓蚀效果),和理化性质指标细分得到的u2=(u21,u22,u23)=(沸点,胺盐熔点,毒性)。进而建立中和剂评选指标体系递阶层次结构模型如图1所示。
(2)建立中和剂评选择备集V
将若干种候选的中和剂构成的集合作为评选择备集V=(v1,v2,...,vp)。
(3)确定各级指标的AHP判断矩阵
AHP判断矩阵是引入专家对处于同一级的各个因素做两两之间的比较得到的,形如A=(αij)n×n,其中αij指的是各级指标ui和uj重要性比较得到的结果。比较的依据是AHP中的9级比例标尺,如下表所示。
表1 AHP9级比例标度
根据实际情况和需求,选择若干名从事石油炼化、腐蚀防护等相关领域的专家,在充分了解上述AHP9级比例标度原则以及中和剂评价筛选指标后,基于建立的递阶层次结构模型,将每一层次的指标进行两两比较,偏好判断按照AHP9级比例标度原则数量化,独立的给出了各级指标的判断矩阵A。
对于中和剂评选指标体系递阶层次结构模型来说,各级判断矩阵可以参考写成如下形式:
表2二级评价指标的判断矩阵(专家编号#)
表3针对中和性能的一级评价指标的判断矩阵(专家编号#)
表4针对理化性质的一级评价指标的判断矩阵(专家编号#)
(4)判断矩阵的一致性及检验
一致性检验的目的是保证判断结果的合理性,根据判断矩阵A的最大特征根λmax,定义一致性检验的指标(n为判断矩阵的维数),对于高维矩阵(维数≥3),还需引入R.I.来校正一致性指标,即定义了新的一致性检验指标其中R.I.为随机一致性检验指标,取值见下表。C.R.称为一致性比率。
表5随机一致性检验指标R.I.取值
对于高维矩阵(维数≥3),计算一致性比率C.R.。一般取C.R.<0.1就认为判断矩阵A满足基本一致性的要求,对于一维和二维矩阵,无需引入随机一致性指标R.I.,只要C.I.<0.1即可通过一致性检验,进入下一步骤(5),否则返回上一步骤(3)判断矩阵A进行修正,直到通过一致性检验为止。
(5)针对单个专家的判断矩阵,确定其各级指标的权重向量w
针对单个专家得到的各级指标的判断矩阵A,求解AW=λmaxw得到最大特征根λmax对应的特征向量w=(w1,w2,...,wn)T,然后把向量w归一化处理后得到单个专家的各级指标权重向量。
(6)进行群组层次分析,得到各级指标的群组综合权重向量
群组层次分析是将单个专家的各级权重向量汇总为最终权重向量w。显然不同专家的水平是不同的,我们按照专家的职称和工作年限这两个因素来衡量各专家水平。
定义权重基准值α,根据专家职称确定,取值见下表:
表6权重基准值α取值
定义权重乘数因子β,根据专家对工作年限确定,取值见下表:
表7权重乘数因子β
专家权重值γ,按下式计算:γκ=ακ·βκ,κ=1,2,3...m,m为专家编号,对权重值归一化处理得到专家权重系数λm,
定义专家权重值γ,按下式计算:
γκ=ακ·βκ,κ=1,2,3...m
根据所选的m名专家的情况,得到专家权重值,然后对权重值归一化处理得到专家权重系数λm。再按照算术加权平均权重向量综合法,得到群组综合权重向量
包括二级评价指标群组综合权重向量以及针对中和性能的一级评价指标群组综合权重向量和针对理化性质的一级评价指标群组综合权重向量
(7)建立各级指标的隶属度函数
碱性、中和缓蚀效果、沸点、胺盐熔点、毒性、经济性能、操作性能都可以处理为定量指标,因此采用模糊分布法确定隶属度函数。
对于碱性指标,采用的是质量分数为0.1%的不同中和剂的pH值来衡量;中和缓蚀效果指标,采用不同中和剂的缓蚀率来衡量;对于毒性指标,采用气体加权平均允许接触浓度值TWA(8h)来衡量不同中和剂的毒性。对于上述指标来说,数值越大,效果越好,因此采用选择升半岭型分布函数:
对于沸点指标来说,要求所选用的中和胺必须有比水略高的沸点范围,才能具备溶解与初馏水中的能力,但是也不能太高,否则其很难从塔顶部位馏出。因此沸点的数值有一个最佳的范围,因此采用改进型的正态分布函数:
对于胺盐熔点指标,要求所选用的中和剂和酸生成的盐必须是一种低熔点的盐;对于经济性能指标,采用的是市场采购价格的参考价格数据;对于操作性能指标,根据盐酸滴定质量分数为0.1%的各中和剂溶液得到对应的滴定曲线,引入操作性能指数k(即滴定曲线在pH=7附近的斜率)来衡量操作性能。对于上述指标来说,数值越小,效果越好,因此采用选择降半岭型分布函数:
(8)确定模糊关系矩阵R,进行模糊综合评价
根据上述所建立隶属函数,将各种中和剂对应的碱性指标隶属度和中和缓蚀效果指标隶属度整理成矩阵形式,构成针对中和性能指标的一级模糊关系矩阵然后将各种中和剂对应的沸点指标隶属度、胺盐熔点指标隶属度、和毒性指标隶属度整理成矩阵形式,构成针对理化性质指标的一级模糊关系矩阵然后进行一级模糊综合评价,
一级模糊综合评价结果结合操作性能指标和经济性能指标的隶属度,整理成矩阵形式用于构造二级模糊综合评价的模糊关系矩阵然后进行二级模糊综合评价,
(9)采用最大隶属度原则对评价结果进行模糊识别,优选出综合性能优越的中和剂
通过模糊综合评价,可以得到评价结果向量B=(b1,b2,...bp),这里采用最大隶属度原则对评价结果向量进行识别,将中和剂评选择备集V中提供的p种中和剂,按照综合性能的优劣进行排序,从而优选出综合性能优越的中和剂。
附图说明
图1是本发明中和剂评选指标体系的递阶层次结构示意图。
具体实施方式
下面的实施例是为了进一步说明本发明的方法,但不应受此限制。
实施例1:
具体步骤如下:
(1)确定中和剂评选指标集合U,建立评选指标体系递阶层次结构模型
参见图1所示,首先依据炼油常减压蒸馏装置所选用的中和剂应当具备的条件,以及炼化企业最关心的因素,确定中和剂评选两级指标体系,二级评价指标集合U=(u1,u2,u3,u4)=(中和性能,理化性质,操作性能,经济性能)。一级评价指标,共两组,分别是中和性能指标细分得到的u1=(u11,u12)=(碱性,中和缓蚀效果),和理化性质指标细分得到的u2=(u21,u22,u23)=(沸点,胺盐熔点,毒性)。
(2)建立中和剂评选择备集V
本具体实施例将乙二胺、三乙胺、吗啉、N,N-二甲基乙醇胺(DMEA)、3-甲氧基丙胺(MOPA)作为候选的中和剂并从中评选,因此将这五种中和剂构成的集合作为评选择备集V,即V=(v1,v2,v3,v4,v5)=(乙二胺,三乙胺,吗啉,DMEA,MOPA)。
(3)确定各级指标的AHP判断矩阵
针对本具体实施例,选择10名从事石油炼化、腐蚀防护等相关领域,并对该实施例的实际情况比较了解的专家,在充分了解上述AHP9级比例标度原则以及中和剂评价筛选指标后,基于建立的递阶层次结构模型,独立的给出了各级指标的判断矩阵A。
以第一位专家为例,其得到各级判断矩阵如下:
表8二级评价指标的判断矩阵(专家编号1)
表9针对中和性能的一级评价指标的判断矩阵(专家编号1)
表10针对理化性质的一级评价指标的判断矩阵(专家编号1)
(4)判断矩阵的一致性及检验
以第一位专家得到的各级判断矩阵为例。
对于针对中和性能的一级评价指标的判断矩阵来说,由于其矩阵维数=2,求出其最大特征根λmax,以及相应的一致性检验的指标只要C.I.<0.1即可通过一致性检验。由表9中矩阵计算得C.I.=0<0.1,具体数值见表13。
对于二级评价指标的判断矩阵和针对理化性质的一级评价指标的判断矩阵来说,由于其矩阵维数均≥3,求出其最大特征根λmax和(n为判断矩阵的维数),根据随机一致性检验指标R.I.的取值,计算一致性比率只要C.R.<0.1即可通过一致性检验。由表8和10中矩阵分别计算得C.R.=0.0465和0.0032,均<0.1。具体数值分别见表11和13。
(5)针对单个专家的判断矩阵,确定其各级指标的权重向量w
针对单个专家得到的各级指标的判断矩阵A,求解AW=λmaxw得到最大特征根λmax对应的特征向量w=(w1,w2,...,wn)T,然后把向量w归一化处理后得到单个专家的各级指标权重向量。
以第一位专家为例,一致性检验结果及权重向量的计算结果如下表所示:
表11二级评价指标的判断矩阵检验及权重结果(专家编号1)
表12针对中和性能的一级评价指标的判断矩阵检验及权重结果(专家编号1)
表13针对理化性质的一级评价指标的判断矩阵检验及权重结果(专家编号1)
(6)进行群组层次分析,得到各级指标的群组综合权重向量
统计本具体实施例中所选专家的职称和工作年限,从而确定权重基准值α和权重乘数因子β,从而根据公式γκ=ακ·βκ,κ=1,2,3...m,m为专家编号,此处为10,计算得到专家权重值γκ,然后对权重值归一化处理得到专家权重系数λ。如下表所示:
表14专家权重值及权重系数计算结果
将10位专家各自的二级评价指标的权重向量通过计算得到二级评价指标群组综合权重向量计算过程及结果如下:
通过上面四个公式计算的结果,我们可以得到二级评价指标群组综合权重向量
同理通过计算我们可以得到针对中和性能的一级评价指标群组综合权重向量和针对理化性质的一级评价指标群组综合权重向量
(7)建立各级指标的隶属度函数
对于碱性指标、中和缓蚀效果指标和毒性指标,采用选择升半岭型分布函数:
上式中,x代表指标数据,a1和a2代表隶属度函数的参数。
对于碱性指标,采用质量分数为0.1%的各种中和剂的pH值来衡量,该数值越大,说明该种中和剂的碱性越强,中和能力也越好。由于质量分数为0.1%的各种中和剂的pH值通常在9~12,因此式中,取a1=9,a2=12。将五种中和剂的碱性数据带入上式,得到各个中和剂的碱性指标隶属度。
对于中和缓蚀效果指标,采用中和剂的缓蚀率数据,该数值越大,说明加入该中和胺以后,金属的腐蚀速率越小,中和缓蚀效果越好,因此选择升半岭型分布函数为宜,根据实验结果,单组份中和剂添加到1200mg·L-1时,腐蚀速率基本稳定,对应的缓蚀率稳定在70%~90%之间,因此,取a1=0.70,a2=0.90。将五种中和剂的中和缓蚀效果数据带入上式,得到各个有机胺的中和缓蚀效果指标隶属度。
对于毒性指标,采用气体加权平均允许接触浓度值TWA-8h,该数值越大,表示中和剂的毒性越低,因此选择升半岭型分布函数。由于,各种中和剂的TWA-8h值通常在10mg/m3~100mg/m3,因此式中,取a1=10,a2=100。将五种有机胺的毒性数据带入得到各个有机胺的毒性指标隶属度。
对于沸点指标,要求所选用的中和胺必须有比水略高的沸点范围,才能具备溶解与初馏水中的能力,但是也不能太高,否则其很难从塔顶部位馏出。因此沸点的数值有一个最佳的范围,采用改进型的正态分布函数:
上式中,x代表指标数据,a和k代表隶属度函数的参数。
考虑到选用的有机胺必须有比水略高的沸点范围,通过查阅相关数据及专家意见,得出100℃~120℃之间是比较好的,因此取a=110,k=0.001。并且如果某有机胺的沸点低于100℃,其隶属度应该为0,因此当x<100时,μ(x)=0。将五种有机胺的沸点数据带入上式,得到各个有机胺的沸点指标隶属度。
对于胺盐熔点指标、经济性能指标和操作性能指标,采用选择降半岭型分布函数:
上式中,x代表指标数据,a1和a2代表隶属度函数的参数。
对于胺盐熔点指标,要求所选用的中和胺和酸生成的盐必须是一种低熔点的盐,因此该数值越大,表示中和胺的成盐风险越高,性能越差。通过查阅相关数据,各种中和胺的胺盐熔点通常都在50℃~500℃之间,因此,在上式中,取a1=50,a2=500。将五种有机胺的胺盐熔点数据带入上式,得到各个有机胺的胺盐熔点指标隶属度。
对于经济性能指标,这里采用市场采购价格做为参考价格数据,该数值越大,经济型越差。通过查阅相关数据来看,各种有机胺的市场采购价格参考数据通常都在10000元/吨~30000元/吨之间,因此,在上式中,取a1=10000,a2=30000。当然,该数值可以根据市场价格的变化进行相应的调整。将五种有机胺的经济性能数据带入上式,得到各个有机胺的经济性能指标隶属度。
对于操作性能指标根据盐酸滴定质量分数0.1%的各中和剂溶液得到对应的滴定曲线,引入操作性能指数k来描述,操作性能指数k越大,表示中和剂的缓冲性能越差,因此选择降半岭型分布函数为宜。
通过对比各种中和剂的操作性能指数k,值通常都在0.5~4之间,因此,在上式中,取a1=0.5,a2=4。将五种中和剂的操作性能数据带入上式,得到各个中和剂的操作性能指标隶属度。
将上述计算得到的各个指标的隶属度进行汇总,如下表所示:
表15各级指标隶属度汇总
(8)确定模糊关系矩阵R,进行模糊综合评价
将5种中和剂对应的碱性指标隶属度和中和缓蚀效果指标隶属度整理成矩阵形式,构成针对中和性能指标的一级模糊关系矩阵
然后将5种中和剂对应的沸点指标隶属度、胺盐熔点指标隶属度、和毒性指标隶属度整理成矩阵形式,构成针对理化性质指标的一级模糊关系矩阵
然后进行一级模糊综合评价得到评价结果向量B1和B2,计算过程及结果如下:
一级模糊综合评价结果结合操作性能和经济性能隶属度计算的结果,构造得到二级模糊综合评价的模糊关系矩阵R如下:
然后进行二级模糊综合评价得到最终评价结果向量B,计算过程和结果如下:
(9)采用最大隶属度原则对评价结果进行模糊识别,优选出综合性能优越的中和剂将最终的评价结果向量B=(0.8039,0.7421,0.4952,0.7753,0.5445)
与评价择备集V=(乙二胺,三乙胺,吗啉,N,N-二甲基乙醇胺,3-甲氧基丙胺)一一对应,并采用最大隶属度原则进行识别,得到备选中和剂的综合性能排序(从优到劣)如下:乙二胺>N,N-二甲基乙醇胺(DMEA)>三乙胺>3-甲氧基丙胺(MOPA)>吗啉。其中乙二胺和N,N-二甲基乙醇胺在综合性能上最为优异,同属于性能优良的单组份中和剂,从而为开发和复配适用于本具体实施例实际情况的中和剂提供了配方成分。
对优选得到的乙二胺和N,N-二甲基乙醇胺(DMEA)进行7种比例的复配实验和评价筛选研究。可以得到以下三组综合性能优越的混合型中和剂,配方成分及含量如下:
表16
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明的保护范围。
Claims (11)
1.基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,包括以下步骤:
(1)确定中和剂评选指标集合U,建立评选指标体系,包括4个二级指标和5个一级指标
首先是二级评价指标集合U=(u1,u2,u3,u4),式中u1为中和性能指标,u2为理化性质指标,u3为操作性能指标,u4为经济性能指标;其次是一级评价指标集合,共两组,分别是中和性能指标集合u1=(u11,u12),其中u11为碱性指标,u12为中和缓蚀效果指标,以及理化性质指标集合u2=(u21,u22,u23),其中u21为沸点指标,u22为胺盐熔点指标,u23为毒性指标;
(2)建立中和剂评选备集V
将若干种候选的中和剂构成的集合作为评选备集V=(v1,v2,…,vp),式中p为中和剂的种类数;
(3)确定各级指标的AHP判断矩阵
采用专家调查法,按照成对比较法和1-9标度法构造两两比较的判断矩阵A=(αij)n×n,其中αij指的是各级指标ui和uj比较得到的结果;
(4)对判断矩阵A进行一致性检验
一致性判断指标:其中,λmax为判断矩阵A的最大特征根,n为判断矩阵的维数,R.I.为判断矩阵的平均随机一致性指标,当n≥3时,C.R.<0.1认为判断矩阵A满足一致性的要求;当n=1或2时,C.I.<0.1即满足一致性的要求;
由所述一致性判断指标对判断矩阵A进行一致性检验,若满足一致性要求,则进入步骤(5),否则返回步骤(3)对判断矩阵A进行修正,直到满足一致性的要求为止;
(5)确定单个专家的各级指标的权重向量
针对判断矩阵A,求解AW=λmaxw得到最大特征根λmax对应的特征向量w=(w1,w2,···,wn)T,式中n为判断矩阵维数,然后把向量w归一化处理后得到单个专家的各级指标的权重向量;
(6)进行群组层次分析,得到各级指标的群组综合权重向量
群组层次分析是将单个专家的各级权重向量汇总为最终权重向量按照专家的职称和工作年限这两个因素给出专家的权重系数λ;
根据专家职称确定权重基准值α,不同的专家职称分别对应不同的α值;
根据专家对工作年限确定定义权重乘数因子β,不同的专家工作年限分别对应不同的β值;
专家权重值γ,按下式计算:γκ=ακ·βκ,κ=1,2,3···m,m为专家编号,对权重值归一化处理得到专家权重系数λm,再按照算术加权平均权重向量综合法,得到群组综合权重向量
所述群组综合权重向量包括二级评价指标群组综合权重向量以及针对中和性能的一级评价指标群组综合权重向量和针对理化性质的一级评价指标群组综合权重向量
(7)建立各级指标的隶属度函数
对于碱性指标、中和缓蚀效果指标和毒性指标,采用选择升半岭型分布函数:
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mfrac>
<mi>&pi;</mi>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo><</mo>
<mi>x</mi>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>&GreaterEqual;</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
上式中,x代表指标数据,a1和a2代表隶属度函数的参数;
对于沸点指标,采用改进型的正态分布函数:
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo><</mo>
<mn>100</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>k</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>&GreaterEqual;</mo>
<mn>100</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
上式中,x代表指标数据,a和k代表隶属度函数的参数;
对于胺盐熔点指标、经济性能指标和操作性能指标,采用选择降半岭型分布函数:
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mi>sin</mi>
<mfrac>
<mi>&pi;</mi>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo><</mo>
<mi>x</mi>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>></mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
上式中,x代表指标数据,a1和a2代表隶属度函数的参数;
(8)确定模糊关系矩阵R,进行模糊综合评价
根据步骤(7)所建立隶属度函数,将各种中和剂对应的碱性指标隶属度和中和缓蚀效果指标隶属度整理成矩阵形式,构成针对中和性能指标的一级模糊关系矩阵然后将各种中和剂对应的沸点指标隶属度、胺盐熔点指标隶属度、和毒性指标隶属度整理成矩阵形式,构成针对理化性质指标的一级模糊关系矩阵然后进行一级模糊综合评价,
一级模糊综合评价结果结合操作性能指标和经济性能指标的隶属度,整理成矩阵形式用于构造二级模糊综合评价的模糊关系矩阵然后进行二级模糊综合评价,
(9)按照最大隶属度原则对评价结果进行模糊识别,优选出综合性能优越的中和剂
通过模糊综合评价,得到评价结果向量B,按照最大隶属度原则对评价结果向量进行识别,将中和剂评选择备集V中提供的p种中和剂,按照综合性能的优劣进行排序,从而优选出综合性能优良的中和剂。
2.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(6)中,所述专家职称为工程师、高级工程师和教授级高级工程师时,分别对应α值为1.0、1.2和1.5。
3.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(6)中,所述专家工作年限为0~5年、6~10年、11~20年和≥21年时,分别对应β值为1.0、1.1、1.2和1.3。
4.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述碱性指标采用质量分数为0.1%的各种中和剂的pH值来衡量,取a1=9,a2=12。
5.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述中和缓蚀效果指标采用各种中和剂添加到1200mg·L-1的缓蚀率来衡量,取a1=0.70,a2=0.90。
6.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述毒性指标采用气体加权平均允许接触浓度值TWA-8h来衡量各种中和剂的毒性,取a1=10,a2=100。
7.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述沸点指标要求所选用的中和胺的沸点比水的沸点高,且能够从蒸馏塔的塔顶馏出,取a=110,k=0.001。
8.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述胺盐熔点指标依据所选用的中和剂和酸生成的盐的熔点,取a1=50,a2=500。
9.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述经济性能指标通过各种中和剂的市场采购价格来确定,取a1=10000,a2=30000。
10.根据权利要求1所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法,其特征在于,步骤(7)中,所述操作性能指标通过各种中和剂的操作性能指数k来确定,取a1=0.5,a2=4。
11.一种中和剂组合物,其是由权利要求1至10任一项所述的基于AHP-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法得到,由乙二胺和N,N-二甲基乙醇胺组成,所述乙二胺和N,N-二甲基乙醇胺的比例为0.5~0.75:0.25~0.5,其中,乙二胺的浓度为600~900mg·L-1,N,N-二甲基乙醇胺的浓度为300~600mg·L-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610847670.6A CN107871054B (zh) | 2016-09-23 | 2016-09-23 | 基于ahp-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及中和剂组合物 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610847670.6A CN107871054B (zh) | 2016-09-23 | 2016-09-23 | 基于ahp-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及中和剂组合物 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107871054A true CN107871054A (zh) | 2018-04-03 |
CN107871054B CN107871054B (zh) | 2020-08-07 |
Family
ID=61751506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610847670.6A Active CN107871054B (zh) | 2016-09-23 | 2016-09-23 | 基于ahp-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及中和剂组合物 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107871054B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784751A (zh) * | 2019-01-28 | 2019-05-21 | 东北大学 | 一种高速公路混凝土桥梁单一病害下的养护技术评选方法 |
CN111798935A (zh) * | 2019-04-09 | 2020-10-20 | 南京药石科技股份有限公司 | 基于神经网络的普适性化合物结构-性质相关性预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222279A (zh) * | 2011-06-14 | 2011-10-19 | 华南理工大学 | 基于模糊综合评判法的制革行业技术的评估方法 |
CN102590459A (zh) * | 2012-03-09 | 2012-07-18 | 中国石油天然气股份有限公司 | 一种埋地管道腐蚀检测评价系统和方法 |
CN103413015A (zh) * | 2013-04-24 | 2013-11-27 | 重庆科技学院 | 一种城市燃气管网弱性评估模型建立的方法 |
KR101563977B1 (ko) * | 2014-07-09 | 2015-10-28 | 공주대학교 산학협력단 | 개인화된 감성정보에 따른 퍼지 적분 기반의 감성 추론 시스템 |
-
2016
- 2016-09-23 CN CN201610847670.6A patent/CN107871054B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222279A (zh) * | 2011-06-14 | 2011-10-19 | 华南理工大学 | 基于模糊综合评判法的制革行业技术的评估方法 |
CN102590459A (zh) * | 2012-03-09 | 2012-07-18 | 中国石油天然气股份有限公司 | 一种埋地管道腐蚀检测评价系统和方法 |
CN103413015A (zh) * | 2013-04-24 | 2013-11-27 | 重庆科技学院 | 一种城市燃气管网弱性评估模型建立的方法 |
KR101563977B1 (ko) * | 2014-07-09 | 2015-10-28 | 공주대학교 산학협력단 | 개인화된 감성정보에 따른 퍼지 적분 기반의 감성 추론 시스템 |
Non-Patent Citations (3)
Title |
---|
张岩祥 等: "模糊综合评价法和层次分析法在白城市水质评价中的应用", 《节水灌溉》 * |
李欣昀 等: "常压塔顶油溶性咪唑啉类缓蚀剂的合成与实验室测试", 《化学工程与装备》 * |
郭庆举 等: "常减压塔顶腐蚀与中和剂的选择", 《石油化工腐蚀与防护》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784751A (zh) * | 2019-01-28 | 2019-05-21 | 东北大学 | 一种高速公路混凝土桥梁单一病害下的养护技术评选方法 |
CN111798935A (zh) * | 2019-04-09 | 2020-10-20 | 南京药石科技股份有限公司 | 基于神经网络的普适性化合物结构-性质相关性预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107871054B (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101501593B (zh) | 用于分析核蒸汽发生器资产管理方案的经济效果的方法 | |
CN109063734B (zh) | 结合多级局部密度聚类的油浸式变压器故障状态评估方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN106569069A (zh) | 电力变压器故障诊断方法 | |
CN107871054B (zh) | 基于ahp-模糊综合评价法的炼油常减压蒸馏装置中和剂评选方法及中和剂组合物 | |
Khan et al. | Energy security analysis in a geopolitically volatile world: A causal study | |
CN113592359A (zh) | 电力变压器的健康度评价方法和装置 | |
CN103198362A (zh) | 一种煤矿安全评估的方法 | |
US20180075114A1 (en) | Petrochemical Equipment Corrosion Treatment Method, Apparatus and System | |
CN109596503A (zh) | 一种在役高含硫天然气管道材质适应性评价方法 | |
CN106600116A (zh) | 一种基于fahp法的污泥板框脱水效果评价方法 | |
Akyildirim et al. | China, coal, calamities and cryptos | |
Saemian et al. | Performance of Max-HEWMAMS control chart for simultaneous monitoring of process mean and variability in the presence of measurement errors | |
Kushwaha et al. | Performance evaluation of bagasse-based cogeneration power generation plant utilizing IFLT, IF-FMEA and IF-TOPSIS approaches | |
Ishak et al. | Implementation statistical quality control (sqc) and fuzzy failure mode and effect analysis (fmea): a systematic review | |
Chowdhury et al. | Water Quality Index (WQI) of Shitalakshya River Near Haripur Power Station, Narayanganj, Bangladesh | |
Sun et al. | Environmental risk assessment system for phosphogypsum tailing dams | |
Le | Mass balance-based experimental design and data reconciliation for wastewater treatment processes | |
Chandra et al. | Comparative corrosion behaviour of stainless steels and their welds in wet-process phosphoric acid | |
Shuang et al. | Bankruptcy prediction in construction companies via Fisher's Linear Discriminant Analysis | |
Manoj et al. | Oil health index calculation and incipient fault diagnosis in power transformers using fuzzy logic | |
Bartels et al. | Classification of the quality of surface waters by means of pattern recognition | |
CN113837650B (zh) | 一种基于云模型的脱硫装置腐蚀风险预警方法 | |
Zhao et al. | The pipeline soil corrosion comprehensive prediction method of multi-method integration | |
Su et al. | Spatial Distribution Assessment and Source Apportionment of Land-Based Pollutant Yield from Qingdao, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |