基于机器学习的H2S/CO2耦合腐蚀速率预测

李嘉轩; 孙庆峰; 刘瀚宇; 刘怀珠; 王占荣; 王强; 陈良超

doi:10.16049/j.issn1671-4962.2025.06.007

炼油与化工 ›› 2025, Vol. 36 ›› Issue (6) : 37 -44. DOI: 10.16049/j.issn1671-4962.2025.06.007

基于机器学习的H₂S/CO₂耦合腐蚀速率预测

李嘉轩, 孙庆峰, 刘瀚宇, 刘怀珠, 王占荣, 王强, 陈良超

作者信息 +

Author information +

文章历史 +

PDF

摘要

中国大多数油田进入中后期开发阶段，由于油井长时间处于含腐蚀性介质环境下，油气输送管道频繁发生腐蚀、开裂以及泄漏等问题。针对油气输送管道腐蚀等问题，明确腐蚀机理及影响因素，收集相关运行数据，筛选影响或表征腐蚀的主要因素，建立基于BP神经网络等机器学习算法的腐蚀速率预测模型。结果表明，设备中含有H₂S/CO₂等腐蚀性介质是发生腐蚀的主要原因，经训练得到的BP神经网络模型的决定系数为0.847，均方误差为2.930，平均绝对误差为1.391，预测准确度优于其它2个模型，可为解决石油化工装置的腐蚀问题及研究提供参考。