石化行业的性质决定了其危险性比其它的行业更大，事故导致的后果也更为严重。当前保障化工设备正常运行的技术主要有故障诊断技术和预测技术。两种技术处理问题的角度不同，都有自身的优势和局限性。在实际生产中，如果操作人员能够预知设备运行状态的变化趋势，并检测分离出导致系统偏离正常状态的原因，则可以保证设备的安全运行，避免重大安全事故的发生。解析模型可高效地检测故障并分离出故障源，但无法检测设备中潜在的故障。预测模型可以得到数据的变化趋势和预测值。鉴于多数设备属于灰色系统的特点，选择灰色模型进行研究。灰色模型具有所需数据量小、预测数据宏观变化趋势好的特点；但对数据波动的适应性不足，无法分析数据变化的原因及后果，不能找出致使系统偏离正常状态的故障点。论文对灰色模型进行了改进，将灰色模型与时间序列模型以串联方式进行组合建模，对灰色模型的残差进行修正，增强了模型对数据波动的适应能力，提高了预测精度。对诊断模型与预测模型的融合方法进行研究，组建了故障预诊断模型。灰色预测模型可将设备故障初期的信号进行预测放大，然后解析模型对预测数据进行分析，检测与分离设备的潜在故障。明确设备的故障参数后，利用预测模型和解析模型对故障的程度及速度进行定量的预测分析。故障的定量预测模型有两种组合方式：1）先预测模型后解析模型。首先对与设备故障相关的测量数据进行预测，然后将预测值代入解析模型，求解未来时刻的故障参数值。2）先解析模型后预测模型。首先通过解析模型求解故障参数的历史值，再利用预测模型来预测故障参数的变化趋势和发展速度。论文最后在醋酸精馏塔中进行了故障预诊断方法的应用研究。通过预测方法得到精馏塔输入数据的变化趋势，然后用解析模型求塔板的负荷性能曲线，从而判断塔板将来是否处于正常操作区间。操作人员可通过人机界面对模型的参数进行设置，系统自动地对塔板的状态进行预诊断，为实际生产提供可靠的指导信息。