， ， ， ， ，

(1.天津大学 水利工程仿真与安全国家重点实验室， 天津 300072；2.高新船舶与深海开发装备协同创新中心， 上海 200240)

0 引 言

深海海底管道通常处在极为复杂恶劣的运营环境中，在整个深海油气输送系统中管道如同人体的血管，处于极为重要的地位，一旦管道出现结构破坏或失效，会造成极大的经济损失[1]。据PARLOC 2001统计，海底管道立管失效事件中由腐蚀造成的事故超过40%。

随着海洋油气技术的不断发展，海底管道和海洋平台的数量不断增加，建立海洋环境腐蚀速率预测模型可以减少潜在的结构性失效[2]。但是钢材的腐蚀是一个复杂的过程，至今为止没有完整的理论可以进行钢材的腐蚀速率计算。基于电化学腐蚀数据建立合理的机器学习模型，可以有效地进行腐蚀速率预测，能够为海洋结构物腐蚀失效预测提供可靠的腐蚀缺陷几何参数数据。

针对钢材腐蚀行为，国内外专家已经做了许多研究工作。HAQUE等[3]通过建立神经网络模型预测DP钢材的腐蚀行为；KAMRUNNAHAR等[4]将神经网络作为挖掘工具，预测钢材腐蚀行为；SHI等[5]针对氯化物等腐蚀物对混凝土钢材点腐蚀行为进行定量研究，通过试验测试腐蚀电位和点腐蚀电位，探究其与氯化物浓度、pH和溶氧量之间的关系，并通过性能测试模型得到测定系数为0.8741；刘威等[6]建立灰色神经网络腐蚀速率预测模型；胡松青等[7]建立BP神经网络对输油管线内腐蚀行为进行预测；汪川等[8]利用统计学方法进行钢材腐蚀速率预测；……