张金龙，王丹丹，魏晨亮，李 霞，邹 庆

(1.中海石油技术检测有限公司，天津 300452；2.西南石油大学石油与天然气工程学院，四川 成都 610000)

0 前 言

随着海上油气资源的不断开发，海底油气管道输送越来越多。但随着海底管道服役时间的不断延长，其内腐蚀失效风险增加，若引发泄漏，不仅会带来严重的经济损失，更会造成大面积海域污染[1]。因此有必要对海底管道内腐蚀行为和腐蚀预测进行研究，以降低海底管道腐蚀失效风险。

海底管道内腐蚀程度主要与管内输送介质、运行工况等因素相关[2]，包括温度、压力、流速、腐蚀性介质等。海底管道内有H2S、CO2以及Cl-，多因素协同下，腐蚀机理复杂多变。Liao 等[3]研究了X80 钢在H2S和O2下的腐蚀机理，H2S 和O2会在Cl-的促进下，对X80造成严重的局部腐蚀。众多学者也研究了流速对CO2腐蚀的影响，但考虑的因素相对简单[4-6]。目前尚未有CO2、H2S 在Cl-、pH 值、温度、流速等多种服役环境因素共同作用下的协同腐蚀行为研究。

由于不同腐蚀环境腐蚀行为不同，且各个因素之间存在相互作用，导致腐蚀预测十分困难。众多学者采用数理统计与概率分析方法建立腐蚀预测模型。朱健军等[7]采用多元线性回归方法建立了考虑CO2和温度的双因素腐蚀预测模型。廖柯熹等[8，9]基于9 组正交试验数据，修正了CO2、H2S 共存体系上，考虑温度和流速的腐蚀预测模型。随着人工智能深入推进，基于数据驱动的机器学习算法在管道腐蚀预测领域得到了广泛应用。魏晨亮等[10]采用基于支持向量机(SVM)和关联(Apriori)算法挖掘海底管道内检测数据，得到管道内腐蚀类型预测模型，可预测和识别海底管道沿线腐蚀的分布规律和尺寸特征。……