基于优化随机森林的H2S腐蚀产物类型及腐蚀速率预测

作者：曲志豪; 唐德志; 胡丽华; 陈宏健; 李慧心; 贾海韵; 王竹; 张雷^*

来源：表面技术, 2020, 49(03): 42-49.

DOI：10.16490/j.cnki.issn.1001-3660.2020.03.006

• 机器学习
• 随机森林
• H2S腐蚀
• 腐蚀产物
• 腐蚀速率
• 预测模型

目的研究H2S环境下碳钢腐蚀产物类型及失重腐蚀速率预测模型,为含硫油气田管道腐蚀防护设计与选材提供依据。方法整合H2S腐蚀模拟实验数据,采用随机森林算法对各腐蚀因素重要性进行排序,一方面以腐蚀产物类型为输出量,通过随机森林分类算法建立硫铁腐蚀产物类别预测模型,另一方面以腐蚀速率为输出量,通过随机森林回归算法建立腐蚀速率预测模型,并与其他模型进行比较。运用网格搜索方法对各类算法的超参数进行优选,以提高预测可靠性。结果随机森林算法得出的影响H2S腐蚀产物类型的因素重要性排序为:H2S分压、温度、pH值、实验周期、总压、CO2分压。基于网格搜索优化的随机森林分类模型交叉验证得分超过0.9,f1得分达到0.96,优于其他三种常用分类模型。采用网格搜索优化的随机森林回归模型预测结果与实际值的均方误差为0.86%。相关系数R值为0.979,优于其他两个回归模型。结论网格搜索优化后的随机森林分类、回归模型对含H2S复杂环境下的碳钢腐蚀产物类型及腐蚀速率预测准确性较高,能够为油气田管道腐蚀防护提供参考。

• 单位
  中海油研究总院; 中国石油天然气股份有限公司; 北京科技大学