骆正山，秦越，张新生，毕傲睿

（西安建筑科技大学 管理学院，西安 710055）

在役海底油气管线通常处于复杂恶劣的海洋环境中，管段经常会遭受严重腐蚀，从而造成管段结构破坏与经济损失[1]。对于陆上管道，可通过各种检测方法了解管道的腐蚀状况，但对海洋环境中管道的检测相对困难，利用机器学习算法预测管道腐蚀速率是一种较为理想的方法[2-3]。因此，研究海底管道的腐蚀机理和规律，建立准确、有效的预测模型具有十分重要的现实意义。

目前，国内学者对海底油气管道的腐蚀行为进行了大量研究。骆正山等[4]建立了海底油气管道腐蚀速率预测的Frechet 分布模型，该模型只预测了油气管道的腐蚀深度和管道寿命，未表明预测误差。同时，骆正山等[5]建立了基于误差补偿的GM-RBF 海底输油管道腐蚀速率的预测模型，该研究将GM 模型用于预测腐蚀速率，但模型预测误差较大。王庆锋[6]等基于GM(1,1)模型建立了无偏灰色GM(1,1)模型，构建的无偏灰色马尔可夫链组合模型可对管线腐蚀剩余寿命进行预测。但传统单维灰色模型分析法以时间序列为轴线，未能表明其他环境因素的相互联系及其对响应变量的具体影响。邓志安等[7]建立了GRA-FNN模型，对海洋管线腐蚀速率进行了预测，但灰色关联分析中的各指标均需人为确定，主观性强。李响等[8]构建了遗传算法SVM 模型，对海洋环境腐蚀速率进行了预测，解决了BP 神经网络等智能算法需要大量训练样本的问题，但SVM 参数选取较为复杂，收敛速度不够快。……