基于机器学习方法的气相CO_(2)环境下13Cr管材腐蚀速率预测模型研究.pdfVIP

第54卷第12期加工工艺ISSN1001-3814

2025年6月HotWorkingTechnologyCN61-1133/TG

DOI:10.14158/j.cnki.1001-3814.

rjggy@

基于机器学习方法的气相CO环境下

2

13Cr管材腐蚀速率预测模型研究

1,21,21,23,4,53,4,53,4,566,7

郑华安,姜平,贾辉,宫汝祥,薄振宇,张雪娜,冯福平,韩旭

(1.中海石油(中国)有限公司海南分公司,海南海口570312;2.中国海油南海油气能源院士工作站,海南海口

570312;3.海洋油气高效开发全国重点实验室袁北京102209;4.天津市海洋石油难动用储量开采重点实验室,天津

300459;5.中海油田服务股份有限公司油田生产事业部,天津300459;6.东北石油大学提高油气采收率教育部重点

实验室,黑龙江大庆163000;7.大庆市低碳建筑与新能源利用重点实验室,黑龙江大庆163000)

摘要CO腐蚀井下管材现象普遍存在袁目前对于气相CO环境下的13Cr管材腐蚀速率缺少适用的预测方法遥

22

针对该问题袁研究了含Cr管材抗腐蚀机理及影响因素遥基于正交试验法明确了各腐蚀因素影响13Cr管材腐蚀速率的

重要性遥基于机器学习方法袁建立了管材腐蚀速率预测模型遥采用Python语言编制了BP神经网络尧决策树尧机森林以

及支持向量机等4种机器学习模型袁以室内数据为数据集进行腐蚀速率模型优选遥结果标明袁13Cr管材在气相CO2中

表现为匀速腐蚀袁腐蚀速率为0.0122～0.0361mm/a遥与室内结果相比袁决策树模型预测结果准确度可达到85.1%遥采用

现场实际应用套管剩余壁厚对所建模型进行验证袁准确率在80%以上遥所建立的预测方法可推广应用至相近腐蚀条件

下的管材腐蚀速率预测遥

关键词CO腐蚀曰13Cr曰机器学习曰决策树曰腐蚀速率预测

2

中图分类号TG174文献