.1570 北京科技大学学报 第31卷 复杂性，加上考虑了时间因素，实验工作量大、时间 段作为实验点进行现场埋设，周期为4个月，每周期 长，因此验证材料腐蚀预测结果的可靠性相对困难， 四片平行样，共埋设120片试样.试样埋设深度根 本文针对金属材料在土壤环境中这一复杂腐蚀 据现场实验点的地势确定，为0.5~1.2m,实验后 系统，在以往大量实验研究结果的基础上，通过土壤 清除试样表面包覆的沥青和腐蚀产物，用失重法测 腐蚀的传质过程以及土壤环境因子间的逻辑关系分 量了金属试片的腐蚀速率 析，选择影响碳钢材料腐蚀的关键因素，利用近年来 为了提取现场环境因素，对土壤的理化性质进 逐渐发展完善的神经网络研究方法[]，构建区域 行了现场测试，主要包括土壤电阻率、试样的自然腐 性碳钢土壤腐蚀预测模型.运用大庆地区有代表性 蚀电位、土壤电位梯度、土壤氧化还原电位、土壤 的区域土壤中的现场碳钢埋片腐蚀实验数据，依托 H、含水率、土壤容重和温度等，并在实验室内分析 所建模型，在神经网络中进行训练和仿真，对所建模 了土壤中的主要腐蚀性物质的成分，包括CO3、 型进行检验，目的是发展基于神经网络方法的局部 HC0S0C、Ca2+,Mg2+、K+Na+和硫酸盐 区域土壤中材料的腐蚀性预测模型. 还原菌(SRB)等含量Io] 1实验方法 通过土壤传质过程和逻辑关系分析，构建20 钢短期土壤腐蚀预测模型，用所建立的模型在BP 实验材料选用商用20#钢热轧板，其主要成分 人工神经网络中进行学习、训川练及模拟，并与现场埋 (质量分数)为C0.18%、Si0.20%、Mn0.38%,P 片实验的结果进行对比，判断腐蚀模型的合理性 0.018%,S0.012%、Fe余量；其屈服强度(o)为 258MPa,抗拉强度()为430MPa,伸长率()为 2实验结果与讨论 28%,断面收缩率（平）为57%.平行于钢板轧面切 2.1土壤理化性质及土壤对20钢腐蚀性测试结 取30mm×100mm×4mm的平板试样，800#砂纸 果 打磨，编号称重，沥青封边，用丙酮去除暴露区油脂 各实验点所用土壤样品均于6~7月取自实验 后备用10 现场，并在取样后3d内完成分析（其中SRB分析半 大庆地区土壤腐蚀现场实验区包括两个区域 月内完成)·部分土壤腐蚀介质成分、理化参数以及 (分别记为LHP、XZ区)、四条管道沿线，总长度为 20*钢腐蚀速率测试结果见表1.这些数据是进行 106.73km,在上述两个实验区内选取30个典型地 BP人工神经网络分析的基础 表1部分土壤腐蚀介质成分、理化参数及腐蚀速率测定结果 Table 1 Tested results of medium components,physic chemical parameters and corrosion rate in part of soils 实验点 含水量/ 空气容量/ c-/ s0/ 总含盐量/ 腐蚀速率/ 编号 % % pH (mg-kg) (mg-kg (mgkg) (g'dm 2a1) 1 20.80 8.92 8.13 655.83 540.36 8600.00 13.68 2 16.63 16.27 6.88 301.33 660.44 2320.00 5.13 3 18.38 21.05 7.22 124.08 1981.31 6500.00 5.71 4 21.27 8.64 9.08 301.33 1080.72 11320.00 12.81 5 4.37 55.80 7.02 35.45 780.52 1950.00 3.30 6 18.01 16.30 9.24 35.45 600.40 3730.00 2.61 15.23 21.99 9.07 124.08 1020.68 7420.00 1.12 8 16.99 18.85 9.11 124.08 2161.43 11280.00 7.56 9 25.37 8.00 9.27 301.33 600.40 2310.00 7.57 b 23.61 12.30 8.26 212.70 1500.99 10330.00 3.66 之 26.63 9.15 7.07 35.45 840.56 2010.00 6.32 12 19.47 16.18 7.06 124.08 780.52 2390.00 8.41 13 17.46 22.18 7.13 124.08 600.40 1910.00 2.79 女 19.72 13.71 7.09 124.08 900.60 2950.00 2.46 15 28.02 5.93 9.26 212.70 1741.15 13030.00 6.93复杂性‚加上考虑了时间因素‚实验工作量大、时间 长‚因此验证材料腐蚀预测结果的可靠性相对困难． 本文针对金属材料在土壤环境中这一复杂腐蚀 系统‚在以往大量实验研究结果的基础上‚通过土壤 腐蚀的传质过程以及土壤环境因子间的逻辑关系分 析‚选择影响碳钢材料腐蚀的关键因素‚利用近年来 逐渐发展完善的神经网络研究方法［8－9］‚构建区域 性碳钢土壤腐蚀预测模型．运用大庆地区有代表性 的区域土壤中的现场碳钢埋片腐蚀实验数据‚依托 所建模型‚在神经网络中进行训练和仿真‚对所建模 型进行检验‚目的是发展基于神经网络方法的局部 区域土壤中材料的腐蚀性预测模型． 1 实验方法 实验材料选用商用20＃钢热轧板‚其主要成分 （质量分数）为 C 0∙18％、Si 0∙20％、Mn 0∙38％、P 0∙018％、S 0∙012％、Fe 余量；其屈服强度（σs）为 258MPa‚抗拉强度（σb）为430MPa‚伸长率（δ）为 28％‚断面收缩率（Ψ）为57％．平行于钢板轧面切 取30mm×100mm×4mm 的平板试样‚800＃砂纸 打磨‚编号称重‚沥青封边‚用丙酮去除暴露区油脂 后备用［10］． 大庆地区土壤腐蚀现场实验区包括两个区域 （分别记为 LHP、XZ 区）、四条管道沿线‚总长度为 106∙73km．在上述两个实验区内选取30个典型地 段作为实验点进行现场埋设‚周期为4个月‚每周期 四片平行样‚共埋设120片试样．试样埋设深度根 据现场实验点的地势确定‚为0∙5～1∙2m．实验后 清除试样表面包覆的沥青和腐蚀产物‚用失重法测 量了金属试片的腐蚀速率． 为了提取现场环境因素‚对土壤的理化性质进 行了现场测试‚主要包括土壤电阻率、试样的自然腐 蚀电位、土壤电位梯度、土壤氧化还原电位、土壤 pH、含水率、土壤容重和温度等‚并在实验室内分析 了土壤中的主要腐蚀性物质的成分‚包括 CO 2－ 3 、 HCO 2－ 3 、SO 2－ 4 、Cl －、Ca 2＋、Mg 2＋、K ＋、Na ＋和硫酸盐 还原菌（SRB）等含量［10］． 通过土壤传质过程和逻辑关系分析‚构建20＃ 钢短期土壤腐蚀预测模型‚用所建立的模型在 BP 人工神经网络中进行学习、训练及模拟‚并与现场埋 片实验的结果进行对比‚判断腐蚀模型的合理性． 2 实验结果与讨论 2∙1 土壤理化性质及土壤对20＃钢腐蚀性测试结 果 各实验点所用土壤样品均于6～7月取自实验 现场‚并在取样后3d 内完成分析（其中 SRB 分析半 月内完成）．部分土壤腐蚀介质成分、理化参数以及 20＃钢腐蚀速率测试结果见表1．这些数据是进行 BP 人工神经网络分析的基础． 表1 部分土壤腐蚀介质成分、理化参数及腐蚀速率测定结果 Table1 Tested results of medium components‚physic-chemical parameters and corrosion rate in part of soils 实验点 编号 含水量／ ％ 空气容量／ ％ pH Cl －／ （mg·kg －1） SO 2－ 4 ／ （mg·kg －1） 总含盐量／ （mg·kg －1） 腐蚀速率／ （g·dm －2·a －1） 1 20∙80 8∙92 8∙13 655∙83 540∙36 8600∙00 13∙68 2 16∙63 16∙27 6∙88 301∙33 660∙44 2320∙00 5∙13 3 18∙38 21∙05 7∙22 124∙08 1981∙31 6500∙00 5∙71 4 21∙27 8∙64 9∙08 301∙33 1080∙72 11320∙00 12∙81 5 4∙37 55∙80 7∙02 35∙45 780∙52 1950∙00 3∙30 6 18∙01 16∙30 9∙24 35∙45 600∙40 3730∙00 2∙61 7 15∙23 21∙99 9∙07 124∙08 1020∙68 7420∙00 1∙12 8 16∙99 18∙85 9∙11 124∙08 2161∙43 11280∙00 7∙56 9 25∙37 8∙00 9∙27 301∙33 600∙40 2310∙00 7∙57 10 23∙61 12∙30 8∙26 212∙70 1500∙99 10330∙00 3∙66 11 26∙63 9∙15 7∙07 35∙45 840∙56 2010∙00 6∙32 12 19∙47 16∙18 7∙06 124∙08 780∙52 2390∙00 8∙41 13 17∙46 22∙18 7∙13 124∙08 600∙40 1910∙00 2∙79 14 19∙72 13∙71 7∙09 124∙08 900∙60 2950∙00 2∙46 15 28∙02 5∙93 9∙26 212∙70 1741∙15 13030∙00 6∙93 ·1570· 北 京 科 技 大 学 学 报 第31卷