水是自然资源中一种极其重要的物质。如何高效的解决水资源紧缺成为了迫在眉睫的问题。随着国民经济的发展,工业化程度大幅度提高,工业用水量急剧上升。而工业用水中节约用水最有效的办法就是循环冷却用水,但大多数循环冷却用水只能采用加大排污和补水量,甚至采用加大投药的方法,不仅浪费水而且浪费药剂,因此开发一套工业循坏冷却水智能决策系统有着重要的理论意义和经济价值。首先,循环冷却水系统中经常发生的故障有腐蚀和结垢。循环冷却水水质不断的恶化,容易导致设备形成水垢、产生腐蚀,进而影响整个系统的安全生产。尽管不断有水质预测模型的提出,但能适用于工业循环冷却水的水质预测模型依旧很少,其原因是腐蚀、结垢的形成过程过于复杂,本文以中国石油化工有限公司天津分公司循环冷却水系统为研究对象,在考虑了水质变化中随机因素的影响和干扰的基础上,从水质的变化性出发,将以时间为节点监测到的数据作为随机变量的序列,利用NARX动态神经网络预测工业循环冷却水水质的腐蚀速率和黏附速率,并运用Matlab对建立的水质预测模型进行仿真测试,通过实际值与预测值的对比,证明了该模型具有较好的预测性能。其次,目前传统的操作方法,所加药剂并不能随着水质的变化而改变,不能保证药剂的投加合理且精确,所以本文利用Visual Basic与Matlab混合编程的方法,结合水质预测模型和神经网络专家系统,开发设计了一套工业循环冷却水智能决策系统。该系统实现了对水质数据的采集、读取和分析、减少了水质人工检测的频次,实现了对水质腐蚀速率和黏附速率的预测功能,并能够通过不同的预测结果给出不同的专家意见,达到循环冷却水处理“预防为主”的要求,并能使得所添加的药剂发挥最大的作用,从而保证工业循环冷却水系统平稳可靠稳定的运行。