冷却水系统是企业生产的一条重要命脉,腐蚀问题严重制约着循环水高效利用率的提升。目前对于循环水腐蚀问题的监检测手段较为单一且投入成本较大。本文基于基于某化工股份有限公司工业循环冷却水系统为对象,研究其腐蚀问题,旨在通过预测循环冷却水系统腐蚀趋势为企业及时采取施腐蚀防治措施提供科学依据。在实际生产过程中涉及腐蚀参数的的工艺指标主要包含水质指标数据和设备运行参数。因设备参数存在标准规范性可操作性较低的问题,文章仅对水质指标数据进行剖析。针对水质指标数据复杂多样、参数之间存在非线性问题,本文通过采用主成分分析法(PCA)和核主成分分析法(KPCA)两种方法对样本数据进行降维处理。通过累积贡献率判断采用KPCA方法降维得到的数据既简化了数据复杂大又完整保留了原始数据内部联系。通过采用KPCA方法获得的主成分参数作为后续模型的输入参数,在数据源头进行缩减以提高模型整体运算效能。基于最小二乘支持向量机(LS-SVM)算法构建腐蚀预测模型对循环水的腐蚀趋势进行预测,预测结果精度较低。文章通过两个方面对模型进行优化以提高预测精度。针对误差数据对预测结果造成的问题,通过权值分配不同样本数据根据误差存在的比例占据不同的配比系数方法以此降低误差样本数据对预测结果带来的影响。通过优化模型内部结构参数:正则化参数、核宽度参数;对两个参数采用混沌粒子群-模拟退火(CPSO-SA)优化组合算法算法进行寻优选取,以获得与工况模型最佳匹配的运行参数。最终得到CPSO-SA-WLSSVM组合算法,利用该算法对结合KPCA得到的主成分变量进行MATLAB仿真预测,预测精度达到90%以上,实验表明循环冷却水腐蚀预测对于现场防腐问题的处理具有重要的指导意义。