文章标题：基于机器学习的H2S/CO2耦合腐蚀速率预测

文章作者：李嘉轩1，孙庆峰2?，刘瀚宇3，刘怀珠4，王占荣5，王 强5，陈良超1
关 键 字：H2S/CO2腐蚀；腐蚀机理；腐蚀速率预测；机器学习
文章摘要：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。