长输管道土壤腐蚀特性分析

赵 冬

（中国石油天然气股份有限公司 西南管道兰成渝输油分公司，四川 彭州 611900）

长输管道土壤腐蚀特性分析

赵 冬

（中国石油天然气股份有限公司 西南管道兰成渝输油分公司，四川 彭州 611900）

基于长输管道658处土壤取样点的腐蚀等级及变化趋势，选取30处典型土壤腐蚀点开展埋片试验，建立土壤腐蚀数据样本。采用BP神经网络评价法，进行多因素分析30处埋片点的测试结果，并预测其他628处取样点的土壤腐蚀特性。该方法可为今后长输管道土壤腐蚀特性分析提供依据和标准。

土壤腐蚀；腐蚀速率；神经网络；腐蚀评价

为确定不同土壤环境下土壤性质与管道不同防腐层腐蚀状况之间的关系，对长输管道按沙地、农田、林区、密灌区、盐土荒地、冲洪积平原、河谷、盆地等典型土壤环境进行划分，找出各长输管道沿线土壤环境分布情况。结合长输管道658处土壤取样点的腐蚀等级及变化趋势，按照典型性、全面性的原则，确定出埋片管线[1]。

1 现场测试与室内实验

1.1 658处取样点选择

为了使所取土壤样品能够准确、合理地代表管线现场运行的情况，考虑到管线同沟、平行敷设的情况，按照每条管线每1个测试桩或每2个测试桩采集1次土壤样品的方法，选取628个土壤取样点，再加上管道埋片腐蚀试验点取样30个，共计658处。

1.2 土壤电阻率测试

根据GB/T 21246-2007《埋地钢质管道阴极保护参数测试方法》，土壤电阻率测试采用 4极法（winner法）。现场测试土壤电阻率仪器的型号分别为Z-8和MTL7-K-2127B[2]。

1.3 室内试验

将现场取得的658个土壤样品采用实验室内的设备进行测试，测试的物理化学指标为土壤的 pH值、含水率、总含盐量、氧化还原电位、硫酸根、氯根含量，并对上述测试所得的所有数据进行统计、分析。

（1）总含盐量测试

仪器：FJA-10型土壤盐分传感器，DDB-2型便携式数字电导率仪。

（2）含水率测试

仪器：WT-11型土壤水分/温度计、烘干箱、铝盒、电子天平。

（3）pH值测试

仪器：PHB-09 pH/mV/T meter测试仪

（4）氧化还原电位（ORP）测试

仪器：PHB-09pH/mV/T meter测试仪

（5）硫酸根离子与氯离子测试

仪器：ICS5000离子色谱仪

测试结果如表1、表2所示。

2 BP神经网络评价方法

2.1 基本原理

BP神经网络评价方法[3]即采用基于误差反向传播算法（BP算法）的多层前向神经网络，结合改进的BP网络方法，通过对己知样本数据的学习，计算出土壤电阻率、含水量、氧化还原电位、pH值、氯离子含量、硫酸根离子含量以及总含盐量，共计7个土壤腐蚀主要因素的权重因子。BP神经网络算法具有很强的非线性映射关系，能够在土壤腐蚀规律不甚了解或不能用解析数学模型表示的情况下，通过对己知样本数据的学习，建立腐蚀速率与土壤腐蚀主要因素之间的量化关系从而预测土壤的腐蚀速率，进而用来评价土壤的腐蚀等级。神经网络结构如图1所示。

表1 628处取样点测试结果Table 1 628 sampling points test results

表2 30处腐蚀试验点测试结果Table 2 30 corrosion test points test results

图1 神经网络结构示意图Fig.1 Schematic structure of the neural network

2.2 BP神经网络评价结果

选取了影响土壤腐蚀的7个主要因素作为主因子，分别为：土壤电阻率、氧化还原电位、氯离子含量、硫酸根离子含量、pH值、含水量、总含盐量。基于 BP神经网络法，同时考虑各土壤腐蚀影响因子之间不确定的模糊关系，以Matlab神经网络工具箱为基础，在对原始样本数据进行归一化处理后，应用基于L-M算法优化的BP算法建立三层神经网络，对长输管道沿线30个点的土壤腐蚀速率进行预测和腐蚀等级评价。

根据实测腐蚀速率值与预测腐蚀速率值，作出相应的腐蚀速率变化曲线，如图2所示。由图2可知，利用BP神经网络评价方法确定的30组土壤腐蚀速率的平均相对误差为18.35%，结果预测准确性为81.65%。因此，BP神经网络评价方法预测性可靠。

图2 实测腐蚀速率与预测腐蚀速率对比曲线Fig.2 Contrast curve of measured corrosion rate and corrosion rate prediction

3 应 用

基于选取的30处腐蚀试验点测试结果，建立BP神经网络评价方法，分析得到长输管道628处取样点的土壤腐蚀等级[4]如下，

（1）长输管道各腐蚀等级及比例分别为：“极低”，78个，占12.42%；“轻微”，172个，占27.39%；“中等”，148个，占23.57%；“严重”，138个，占21.97%；“非常严重”，92个，占14.65%。由此可以得出，长输管道土壤腐蚀性综合评价中处于“中等”、“严重”和“非常严重”等级的占60.19%，可见长输管道所处土壤环境的腐蚀性较强。

（2）本次长输管道土壤腐蚀特性试验，成功地建立了典型土壤腐蚀点的数据样本，并准确地分析预测出628处取样点的土壤腐蚀等级，以及管道沿线不同土壤环境条件下土壤腐蚀等级的变化趋势[5]，为今后长输管道土壤腐蚀特性分析提供依据和标准。

［1］王芷芳.土壤的腐蚀性调查及评价[J].化工腐蚀与防护,1997(5):3-6．

［2］胡世信.阴极保护手册[M].北京：化学工业出版社,1999：9-11．

［3］彭祖赠，孙韫玉.模糊数学及其应用[M].武汉大学出版,2002．

［4］俞河军.浅述石油输送管道阴极保护的设计要点[J].科技纵横,2009(8):12-14．

［5］郑立彬,兰云丰,张居生,等.阴极保护技术在埋地天然气管道中的应用[J].全面腐蚀控制,2010(10):10-11．

Analysis on Long-distance Pipeline Corrosion Properties in Soil

ZHAO Dong
（PetroChina Southwest Pipeline Company Lanzhou-Chengdu-Chongqing Oil Transmission Branch, Sichuan Pengzhou 611900，China）

Based on long-distance pipeline corrosion level and trend of 658 soil sampling points, 30 typical soil erosion points were selected to carry out buried tests to establish soil erosion data sample. BP neural network evaluation method was used to carry out multivariate analysis of test results to predict soil erosion characteristics of other 628 points. This method provides the basis and standard for analysis of long-distance pipeline corrosion properties in soil in the future.

Soil erosion；Corrosion rate；Neural network；Corrosion evaluation

TE 832

A

1671-0460（2014）12-2643-02

2014-05-22

赵冬（1988-），男，四川广元人，2012年毕业于西南石油大学油气储运工程专业，研究方向：从事长输管道工作。E-mail：376306577@qq.com。