基于腐蚀大数据的LNG接收站钢结构腐蚀监测技术应用分析

doi:10.11902/1005.4537.2026.134

中国腐蚀与防护学报 DOI: 10.11902/1005.4537.2026.134

本期目录 | 过刊浏览

陈振华, 杨光, 夏天, 田亦野, 董超芳

Application analysis of steel corrosion in LNG terminal based on corrosion big data analyze and learning

引用本文:

陈振华, 杨光, 夏天, 田亦野, 董超芳. 基于腐蚀大数据的LNG接收站钢结构腐蚀监测技术应用分析[J]. 中国腐蚀与防护学报, 10.11902/1005.4537.2026.134.

全文: PDF(3469 KB)

摘要: 针对LNG接收站典型海洋大气环境中多种环境因子耦合作用下钢结构材料的腐蚀行为缺乏高时效性监测和预测手段的问题，构建了基于腐蚀大数据与机器学习的腐蚀速率预测模型。通过结合LNG接收站的材料和结构特点，选用了Q235钢、304与316L不锈钢及Q235/316L电偶四种典型金属材料，在目标LNG接收站布设了腐蚀监测装置。通过为期半年的户外暴露实验，采集腐蚀电流、温湿度、气态污染物与颗粒物等多源大气因子数据。通过Pearson相关性分析识别主要影响变量，并构建随机森林回归模型进行腐蚀电流预测，结合SHAP方法实现模型可解释性分析。相对湿度与腐蚀电流相关性最强，且为正相关关系，在湿度大于75%时腐蚀显著加剧；温度呈整体负相关趋势。Q235/316L电偶系统表现出最强腐蚀活性，累计电荷达10 C，明显高于Q235（6 C）、304（0.3 C）和316L（0.6 C），模型预测值与实测值一致性较好。SHAP分析揭示，湿度、温度、PM10和CO2为主要驱动因子，且湿度与腐蚀响应呈强烈非线性依赖。腐蚀大数据结合机器学习可有效实现LNG站多材料腐蚀行为的动态建模与精准预测。其中，相对湿度是主导性因子，高湿环境显著提升碳钢类材料的腐蚀风险，低温、颗粒物与CO2在湿润条件下进一步增强腐蚀过程。所建立模型可为LNG站腐蚀防护设计与材料选择提供技术支撑。

关键词 ：腐蚀大数据, 机器学习, LNG接收站, 海洋大气, 腐蚀电流

Abstract：In order to improve the evaluation efficiency and prediction accuracy of the corrosion behavior of steel structure materials in the typical marine atmospheric environment of LNG receiving stations, this paper systematically analyzes the corrosion response characteristics of Q235 carbon steel, 304 stainless steel, 316L stainless steel and Q235/316L galvanic couple in the coastal environment of the North Sea LNG receiving station based on corrosion big data monitoring and machine learning modeling methods. A multi-source data set was established by deploying corrosion sensors to record the corrosion current in real time and synchronizing multiple environmental factor data. The results show that the Q235/316L galvanic couple system is most severely affected by the galvanic corrosion effect, with a cumulative charge of 10 C, which is much higher than Q235 (6 C), 316L (0.6 C) and 304 (0.3 C); 304 and 316L stainless steels show good corrosion resistance. Pearson correlation analysis shows that relative humidity has the strongest positive correlation with corrosion current, while temperature is negatively correlated overall. The corrosion current prediction system constructed based on the random forest regression model shows good fitting effect on all materials, and the specific contribution of environmental factors in the prediction model is revealed by the SHAP method. The results further show that relative humidity is the main positive driving factor, followed by PM10 and CO2, especially when the humidity exceeds 75%, the corrosion current is significantly enhanced. The data-driven modeling method proposed in this paper not only realizes the prediction of multi-material corrosion behavior of LNG stations, but also provides theoretical support and methodological basis for related anti-corrosion design and intelligent monitoring systems.

Key words： big data of corrosion machine learning LNG terminal marine atmosphere corrosion current

收稿日期: 2026-04-22

基金资助:国家石油天然气管网集团有限公司定向课题：管道及LNG接收站腐蚀分级评级及管控体系研究(AQWH202205)

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈振华
	杨光
	夏天
	田亦野
	董超芳
44.8K

链接本文:

https://www.jcscp.org/CN/Y0/V/I/0

[1]	谢睿, 蒋全通, 韩东晓, 陈烨, 刘万鹏, 裴炎彤, 段继周, 侯保荣. Al-10%RE (RE = Ce、Nd、Y、La)合金在典型海洋大气环境下的腐蚀行为研究[J]. 中国腐蚀与防护学报, 2026, 46(2): 365-380.
[2]	柳森, 胡家元, 温小涵, 朱仁政, 李延伟, 杨小佳. 典型沿海地区五种电网材料在大气环境下的腐蚀行为研究[J]. 中国腐蚀与防护学报, 2025, 45(4): 1107-1116.
[3]	缪浩, 尹程辉, 王洪伦, 高逸晖, 陈俊航, 张昊, 李波, 吴俊升, 肖葵. 污染海洋大气环境下不锈钢加速腐蚀试验环境谱评价及相关性[J]. 中国腐蚀与防护学报, 2025, 45(2): 449-459.
[4]	梁梓豪, 应宗权, 刘梅梅, 杨帅. 基于Stacking集成模型融合的钢筋混凝土锈胀开裂预测方法[J]. 中国腐蚀与防护学报, 2024, 44(6): 1601-1609.
[5]	沈坚, 吴柯娴, 何晓宇, 方兴龙. 我国不同地区钢材大气腐蚀预测算法评估与筛选[J]. 中国腐蚀与防护学报, 2024, 44(4): 939-948.
[6]	王靖羽, 周学杰, 王洪伦, 吴军, 陈昊, 郑鹏华. 碳钢和高强钢在南海大气环境中的初期腐蚀行为研究[J]. 中国腐蚀与防护学报, 2024, 44(1): 237-245.
[7]	杨海峰, 袁志钟, 李健, 周乃鹏, 高峰. Ni含量对铜时效易焊接钢在模拟热带海洋大气环境下的腐蚀行为影响[J]. 中国腐蚀与防护学报, 2023, 43(5): 1022-1030.
[8]	胡杰珍, 蓝文杰, 邓培昌, 吴敬权, 曾俊昊. E690钢在热带海洋大气环境下的初期腐蚀行为研究[J]. 中国腐蚀与防护学报, 2023, 43(5): 1140-1144.
[9]	王莎莎, 马帅杰, 车琨, 杜艳霞. 机器学习在自然环境腐蚀评估与预测领域的应用现状[J]. 中国腐蚀与防护学报, 2023, 43(3): 441-451.
[10]	汪涵敏, 黄峰, 袁玮, 张佳伟, 王昕煜, 刘静. 新型Cu-Mo耐候钢在模拟海洋大气环境中的腐蚀行为[J]. 中国腐蚀与防护学报, 2023, 43(3): 507-515.
[11]	王瑾, 宁培栋, 刘倩倩, 陈娜娜, 张新, 肖葵. 模拟海洋大气环境中镀锌钢的腐蚀行为和机理[J]. 中国腐蚀与防护学报, 2023, 43(3): 578-586.
[12]	周梦鑫, 吴军, 樊志彬, 周学杰, 陈昊. 大气腐蚀在线监测技术研究现状与展望[J]. 中国腐蚀与防护学报, 2023, 43(1): 38-46.
[13]	贾静焕, 刘明, 骆晨, 孙志华, 赵明亮, 李晓刚. 2A97铝锂合金典型防护涂层热带海洋大气环境腐蚀老化行为[J]. 中国腐蚀与防护学报, 2023, 43(1): 143-151.
[14]	丁康康, 刘少通, 郭为民, 苗依纯, 张彭辉, 程文华, 侯健. 聚乙烯青岛海洋大气环境腐蚀老化预测研究[J]. 中国腐蚀与防护学报, 2022, 42(6): 1070-1074.
[15]	万晔, 宋芳龄, 李立军. 基于海洋大气环境因素影响下的碳钢腐蚀特征研究[J]. 中国腐蚀与防护学报, 2022, 42(5): 851-855.

Viewed

Full text

Abstract

Cited

Shared

Discussed