随着物联网技术的发展,前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实,从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题,提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先,通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优;然后,建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据,能够更多地保留原始数据信息;最后,给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR),并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明:相比于均值方法处理双率腐蚀数据,所提方法将建模样本数量由196提升到了1834;相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法,所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963,在各项指标上均优于对比算法,说明所提模型不仅减少了信息损失还提高了建模精度,对于双率海水腐蚀数据建模具有一定现实意义