基于物理机制引导的埋地管道外腐蚀速率预测研究

来源：石油科学通报杂志2025年第4期北京时间：

作者：马腾, 董江洁, 雷江辉, 徐吉军, 胡景迪

单位：1 中国石油新疆油田分公司工程技术研究院，克拉玛依 8340002 中国石油新疆油田分公司基建工程部，克拉玛依 8340003 中油(新疆)石油工程有限公司，克拉玛依 834000

摘要：埋地管道在服役过程中易出现外腐蚀穿孔泄漏问题，准确预测外腐蚀速率对于合理制定管道维护策略具有重要意义。通过梳理管道外腐蚀速率影响因素，明确了土壤性质、杂散电流、阴极保护及理化特性为主要影响因素，并在我国某地区集输管道沿线收集了60组相关外腐蚀数据。随后，从物理和数据两个维度挖掘腐蚀信息，构建了基于物理机制引导的神经网络模型(Physics-Guided Neural Network，PGNN)。该模型在常规损失函数的基础上，引入物理机制约束作为惩罚项，通过调整腐蚀因素并重新训练模型，确保训练方向符合腐蚀机理，并利用遗传算法(Genetic Algorithm，GA)对超参数进行寻优，形成GA-PGNN腐蚀速率预测模型，最后通过事后可解释算法(Shapley Additive Explanations，SHAP)从全局和局部两个角度衡量腐蚀特征对腐蚀速率的影响程度。结果表明，与常规神经网络(Back Propagation Neural Network，BP)模型和GA-BP模型相比，GA-PGNN模型的平均绝对百分比误差、均方误差和相关系数分别为3.71、1.51×10-5、0.9935，在3种模型中表现最佳；GA-PGNN模型的平均绝对SHAP值较小，且较均衡，说明模型对不同腐蚀因素的依赖程度基本一致，可以从每个腐蚀因素中获取有用信息；常规BP模型和GA-BP模型均无法捕捉到正确的腐蚀规律，甚至得到与腐蚀机理相悖的结论，预测结果存在较大的偶然性和随机性。研究结果对于提高埋地管道完整性管理水平具有借鉴意义。

关键词：埋地管道,外腐蚀速率,物理机制引导神经网络模型,事后可解释算法,损失函数

基金资助：国家重点研发计划项目子课题“油气管道环焊缝缺陷检测技术及工程应用”(2021YFA1000103)