摘要：针对传统CO2腐蚀速率预测模型结构简单，泛化性弱，油田应用效果不佳的问题，本文基于机器学习的思想，采用数据挖掘的手段，研究Na+、Cl-、pH值、温度、材质等参数对井筒腐蚀的影响，利用相关系数矩阵确定各因素之间的独立性及对井筒腐蚀速率的影响程度，分别建立了线性回归、支持向量机(SVM)、极端梯度提升(XGboost)算法的CO2腐蚀速率预测模型。以决定系数、平均绝对误差和均方根误差为评价指标，对比分析了不同腐蚀速率预测模型。结果表明，XGboost腐蚀速率预测模型效果最好，线性回归腐蚀速率模型预测效果优于SVM的4种核函数腐蚀速率预测模型。研究结果揭示了基于机器学习的腐蚀速率预测模型有很好的稳定性和泛化能力，预测效果较好，为油田量化CO2腐蚀速率提供了新的方法，在现场中具有一定的推广应用价值。

关键字：CO₂腐蚀;腐蚀速率预测模型;机器学习;线性回归;支持向量机;XGboost

ISSN号：1673-064X

卷、期、页：卷38期2：113-121

发表日期：2023-03-25

期刊分区（SCI为中科院分区）：无

收录情况：北大中文核心期刊,地学领域高质量科技期刊分级目录（国内T2）

发表期刊名称：西安石油大学学报(自然科学版)

通讯作者：彭龙,邬书豪,马赫,马少云

第一作者：韩国庆

论文类型：期刊论文

论文概要：彭龙,韩国庆,邬书豪,马赫,马少云，基于机器学习算法的CO2腐蚀速率预测，西安石油大学学报(自然科学版)，2023，卷38期2：113-121

论文题目：基于机器学习算法的CO2腐蚀速率预测