長輸管道土壤腐蝕特性分析

趙 冬

（中國石油天然氣股份有限公司 西南管道蘭成渝輸油分公司，四川 彭州 611900）

長輸管道土壤腐蝕特性分析

趙 冬

（中國石油天然氣股份有限公司 西南管道蘭成渝輸油分公司，四川 彭州 611900）

基于長輸管道658處土壤取樣點的腐蝕等級及變化趨勢，選取30處典型土壤腐蝕點開展埋片試驗，建立土壤腐蝕數據樣本。采用BP神經網絡評價法，進行多因素分析30處埋片點的測試結果，并預測其他628處取樣點的土壤腐蝕特性。該方法可為今后長輸管道土壤腐蝕特性分析提供依據和標準。

土壤腐蝕；腐蝕速率；神經網絡；腐蝕評價

為確定不同土壤環境下土壤性質與管道不同防腐層腐蝕狀況之間的關系，對長輸管道按沙地、農田、林區、密灌區、鹽土荒地、沖洪積平原、河谷、盆地等典型土壤環境進行劃分，找出各長輸管道沿線土壤環境分布情況。結合長輸管道658處土壤取樣點的腐蝕等級及變化趨勢，按照典型性、全面性的原則，確定出埋片管線[1]。

1 現場測試與室內實驗

1.1 658處取樣點選擇

為了使所取土壤樣品能夠準確、合理地代表管線現場運行的情況，考慮到管線同溝、平行敷設的情況，按照每條管線每1個測試樁或每2個測試樁采集1次土壤樣品的方法，選取628個土壤取樣點，再加上管道埋片腐蝕試驗點取樣30個，共計658處。

1.2 土壤電阻率測試

根據GB/T 21246-2007《埋地鋼質管道陰極保護參數測試方法》，土壤電阻率測試采用 4極法（winner法）。現場測試土壤電阻率儀器的型號分別為Z-8和MTL7-K-2127B[2]。

1.3 室內試驗

將現場取得的658個土壤樣品采用實驗室內的設備進行測試，測試的物理化學指標為土壤的 pH值、含水率、總含鹽量、氧化還原電位、硫酸根、氯根含量，并對上述測試所得的所有數據進行統計、分析。

（1）總含鹽量測試

儀器：FJA-10型土壤鹽分傳感器，DDB-2型便攜式數字電導率儀。

（2）含水率測試

儀器：WT-11型土壤水分/溫度計、烘干箱、鋁盒、電子天平。

（3）pH值測試

儀器：PHB-09 pH/mV/T meter測試儀

（4）氧化還原電位（ORP）測試

儀器：PHB-09pH/mV/T meter測試儀

（5）硫酸根離子與氯離子測試

儀器：ICS5000離子色譜儀

測試結果如表1、表2所示。

2 BP神經網絡評價方法

2.1 基本原理

BP神經網絡評價方法[3]即采用基于誤差反向傳播算法（BP算法）的多層前向神經網絡，結合改進的BP網絡方法，通過對己知樣本數據的學習，計算出土壤電阻率、含水量、氧化還原電位、pH值、氯離子含量、硫酸根離子含量以及總含鹽量，共計7個土壤腐蝕主要因素的權重因子。BP神經網絡算法具有很強的非線性映射關系，能夠在土壤腐蝕規律不甚了解或不能用解析數學模型表示的情況下，通過對己知樣本數據的學習，建立腐蝕速率與土壤腐蝕主要因素之間的量化關系從而預測土壤的腐蝕速率，進而用來評價土壤的腐蝕等級。神經網絡結構如圖1所示。

表1 628處取樣點測試結果Table 1 628 sampling points test results

表2 30處腐蝕試驗點測試結果Table 2 30 corrosion test points test results

圖1 神經網絡結構示意圖Fig.1 Schematic structure of the neural network

2.2 BP神經網絡評價結果

選取了影響土壤腐蝕的7個主要因素作為主因子，分別為：土壤電阻率、氧化還原電位、氯離子含量、硫酸根離子含量、pH值、含水量、總含鹽量。基于 BP神經網絡法，同時考慮各土壤腐蝕影響因子之間不確定的模糊關系，以Matlab神經網絡工具箱為基礎，在對原始樣本數據進行歸一化處理后，應用基于L-M算法優化的BP算法建立三層神經網絡，對長輸管道沿線30個點的土壤腐蝕速率進行預測和腐蝕等級評價。

根據實測腐蝕速率值與預測腐蝕速率值，作出相應的腐蝕速率變化曲線，如圖2所示。由圖2可知，利用BP神經網絡評價方法確定的30組土壤腐蝕速率的平均相對誤差為18.35%，結果預測準確性為81.65%。因此，BP神經網絡評價方法預測性可靠。

圖2 實測腐蝕速率與預測腐蝕速率對比曲線Fig.2 Contrast curve of measured corrosion rate and corrosion rate prediction

3 應 用

基于選取的30處腐蝕試驗點測試結果，建立BP神經網絡評價方法，分析得到長輸管道628處取樣點的土壤腐蝕等級[4]如下，

（1）長輸管道各腐蝕等級及比例分別為：“極低”，78個，占12.42%；“輕微”，172個，占27.39%；“中等”，148個，占23.57%；“嚴重”，138個，占21.97%；“非常嚴重”，92個，占14.65%。由此可以得出，長輸管道土壤腐蝕性綜合評價中處于“中等”、“嚴重”和“非常嚴重”等級的占60.19%，可見長輸管道所處土壤環境的腐蝕性較強。

（2）本次長輸管道土壤腐蝕特性試驗，成功地建立了典型土壤腐蝕點的數據樣本，并準確地分析預測出628處取樣點的土壤腐蝕等級，以及管道沿線不同土壤環境條件下土壤腐蝕等級的變化趨勢[5]，為今后長輸管道土壤腐蝕特性分析提供依據和標準。

［1］王芷芳.土壤的腐蝕性調查及評價[J].化工腐蝕與防護,1997(5):3-6．

［2］胡世信.陰極保護手冊[M].北京：化學工業出版社,1999：9-11．

［3］彭祖贈，孫韞玉.模糊數學及其應用[M].武漢大學出版,2002．

［4］俞河軍.淺述石油輸送管道陰極保護的設計要點[J].科技縱橫,2009(8):12-14．

［5］鄭立彬,蘭云豐,張居生,等.陰極保護技術在埋地天然氣管道中的應用[J].全面腐蝕控制,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

趙冬（1988-），男，四川廣元人，2012年畢業于西南石油大學油氣儲運工程專業，研究方向：從事長輸管道工作。E-mail：376306577@qq.com。