海水对金属腐蚀因素的分析及预测

D0I:10.13374/j.issn1001-053x.1999.02.053 第21卷第2期 北京科技大学学报 Vol.21 No.2 1999年4月 Journal of University of Science and Technlogy Beijing Apr.1999 海水对金属腐蚀因素的分析及预测 杨晓明)陈明文2)张渝3》戴明安)朱相荣4) 1)北京科技大学高教所，北京1000832)北京科技大学数力系100083 3)北京电子工业职工中专1000104)冶金部青岛海洋腐蚀研究所，青岛266071 摘要应用灰关联分析原理讨论了海水环境与金属腐蚀性之间的关系.基于灰关联度的计算， 找出了在全浸带条件下，海水中对A,钢具有腐蚀影响的主要因素，利用人工神经网络BP算法建 立了海水环境对A,钢的腐蚀作用模型.用该模型预测了新海水域环境下金属的腐蚀速度，取得了 较好的结果， 关键词灰关联分析：BP网络；海水腐蚀预测 分类号0235 1海水腐蚀因素的灰关联分析 似程度来衡量因素间关联程度.它对样本量的多 少没有过分要求，也不需要典型的分布规律，且 1.1材料腐蚀因素分析 计算量小， 海水是含有生物、悬浮泥沙、溶解气体、腐烂 (1)关联度分析方法 有机物和多种盐类的复杂溶液.在海洋环境中金 设有m个与母因素X。有一定关联作用的子 属的腐蚀受到各种环境因素的影响，而影响金属 因素(X,X2,…,X).它们有N组数据或序列： 腐蚀速度的因素主要有海水温度、溶解氧含量、 母序列X(),k=1,2,…,N: 盐度、pH值、生物活性等. 子序列 X(k),k=1,2,…,Ni=1,2,…,m. 溶解氧含量是海水具有腐蚀性的一个重要 因素，对于许多常用的金属来说，氧含量越高，侵 均值化处里天-之三-大产调 蚀速度越快.温度升高通常能加速化学反应，提 高腐蚀速度，但是随着温度升高，氧的溶解度随 网=因 Xo 的 x(因 之下降，从而消弱了温度效应.盐度在各海域中 其中，k=1,2,…,Ni=1,2,,m. 变化范围不大，对金属腐蚀有一定影响，pH值处 关联系数计算： 于中性时，对腐蚀行为影响较小.生物因素是影 响金属腐蚀的重要因素，生物污损的影响很复 5(k内= 杂，有时它减少金属的腐蚀量，但多数情况下增 min·minx,(因-x(kl+max·maxx()-x(k因l 加金属的腐蚀， lx()x()+0.5max max()-x(k)l 海水环境中许多因素之间是相互联系的，其 中某一因素变化便会影响其他因素的数值，因此 (1) 很难区分每个因素的单独作用.对于这样一个部 则关联度计算为： 分信息确定、部分信息不确定的系统如何分析， (2) 以及如何确定各因素的影响大小，我们引进了灰 色关联度理论. 式中：r,就是衡量系统因素之间关联性的量度；刀 1,2灰色关联度理论的应用 是分辨系数，0<7<1，一般取n=0.5.r>0.6, 灰色关联度理论是一种利用数据相对较少 即认为子母因素之间有关联；如果r,>「，则认为 的几何分析方法.它根据因素之间发展态势的相 X对X,的关联程度大于X (2)应用 1998-10-03收稿杨晓明男，39岁，副教授 现以A,钢作为试验样品，研究其在全浸带的 ◆国家自然科学基金资助课题(No.59290900)

第2 1卷 1 9 ,年 第2期 4月 北 京 科 技 大 学 学 报 J o u r n a l o f U n i v e sr i yt o f S e i e n c e a n d T e e h n l o gy B e ij in g V o l 一 2 1 A P r · N O 一 2 1 9 99 海水对金属腐蚀 因素的分析及预测 杨 晓 明 ’ ) 陈明文 2) 张 渝 3) 戴明安 4) 朱相 荣4) l )北京科技大学高教所 , 北京 10 0 0 8 3 2 )北京科技大学数力系 10 0 0 5 3 3 )北京 电子工 业 职工 中专 10 0 0 10 4) 冶金部青岛海洋腐蚀研究所 , 青岛2 6 6 0 71 摘 要 应用 灰 关联分析原理讨 论了 海水环 境与 金属腐 蚀性之 间的关系 . 基于 灰关联度 的计算 , 找出了 在全 浸带条件下 , 海水 中对 A , 钢具有 腐蚀影响 的主 要 因 素 · 利用 人工神 经网络 B P 算 法建 立 了海水 环境对 A , 钢 的腐蚀作 用模型 · 用 该模 型 预测 了 新海水域环境 下金 属 的腐蚀速度 , 取 得了 较好 的结果 . 关键词 灰 关 联分 析;B P 网络; 海水腐蚀预测 分类号 0 2 3 5 1 海水 腐蚀 因素的灰关 联分析 1 . 1 材料腐蚀因素分析 海水 是 含 有 生 物 、 悬 浮泥 沙 、 溶 解 气体 、 腐 烂 有 机物 和多 种 盐类的复 杂 溶 液 . 在海 洋 环境 中金 属 的腐蚀受到 各种 环 境 因素的 影 响 , 而 影 响金 属 腐蚀 速度 的 因 素主要 有 海 水 温 度 、 溶 解 氧 含 量 、 盐度 、 p H 值 、 生 物活性等 . 溶解 氧 含量 是 海 水具有 腐蚀性 的 一 个重 要 因 素 . 对于许多 常用 的金属 来说 , 氧含 量 越 高 , 侵 蚀速 度越 快 . 温 度升 高通 常能加速 化学 反 应 , 提 高腐蚀 速 度 , 但是 随 着 温 度 升 高 , 氧 的 溶解度 随 之 下 降 , 从而 消弱 了温 度 效应 . 盐 度 在 各海域 中 变 化 范围不大 , 对金 属 腐蚀有 一 定影 响 , p H 值处 于 中性 时 , 对腐蚀行 为影 响较 小 . 生 物 因 素是 影 响 金 属 腐蚀 的 重 要 因 素 , 生 物 污 损 的 影 响 很 复 杂 , 有 时它 减 少 金 属 的腐蚀 量 , 但 多 数情 况下 增 加金 属 的腐蚀 . 海水环境 中许多 因素之间是 相 互联 系 的 , 其 中某 一 因 素变 化便 会影 响其他 因素 的数 值 , 因此 很难 区 分每个 因素的单独作用 . 对于 这样 一 个部 分 信息 确 定 、 部 分 信 息不 确 定 的系 统 如 何 分 析 , 以 及 如 何确定 各因素 的影 响大 小 , 我们 引 进 了 灰 色关 联度 理论 . L Z 灰色 关联度 理论的应用 灰色 关联 度 理 论 是 一 种 利 用数 据相 对较 少 的几 何分析方 法 . 它根 据 因 素之 间 发展 态 势的相 19 9 8 一 10 一 0 3 收稿 杨晓明 男 , 39 岁 , 副教授 * 国 家 自然科学基金资助课题 ( N o . 5 9 2 9 0 9 o 0) 似 程 度 来衡 量 因素间 关联程 度 . 它 对样 本量 的 多 少 没 有 过 分 要 求 , 也 不 需 要 典 型 的 分布规律 , 且 计算量小 . ( l) 关联度 分析方 法川 . 设有 m 个与母 因 素 x0 有 一定 关联作 用 的 子 因素 xl( , 长 , 一弋 ) . 它 们有 N 组数据或 序列 : 母 序 列 x0 (k) , k = 1 , 2 , … , 角 子 序列 蒸( k) , k = 1 , 2 , 一 , 凡 i 二 1 , 2 , 二 , m . “ 值化处理 : 瓦 一 翘 x0 (k) ; 又 x 天k) 其 中 , k = 1 , 2 , … , ;N 关联 系数计算 : 氛(k) = x 天k) x, k() 一 丁 ’ , 2 , … , m . k 林=X了一0 一X k) 一一 了 ` 、 , x0 吧 · mk }x6( k) 一 ix( x)I + 。 m黔 吧x6(I k) 一 ix( l) }x6( k) 一 ;x( l)I + .05 m鲜哪 x lx6( k) 一 x6( l) ( l ) 则 关联度 计算为 : 。 一 搪 影。 (2 ) 式 中 : r ` 就是 衡 量 系 统 因 素之 间关 联性 的量度 ; 。 是 分 辨 系数 , 0 < 粉 < 1 , 一般 取 , = .0 5 .ir > .0 6, 即 认为 子母 因 素之 间有 关联 ; 如果 ir > jr , 则 认为 戈 对 x0 的关 联程 度大 于再 · (2 ) 应用 . 现 以 A , 钢作为试验 样 品 , 研究其在全浸带的 DOI: 10. 13374 /j . issn1001 -053x. 1999. 02. 053

·186· 北京科技大学学报 1999年第2期 腐蚀情况.以其在海域的平均腐蚀率、局部腐蚀 将表1的数据按(1)，(2)式计算得下面结果. 深度为母序列；以各海域的海水环境因素即pH 1)对于母因素Y,计算结果为： 值、温度（℃）、溶解氧(mL/L)、盐度(%)、生物附 r=0.7280,2=0.6000,r3=0.8201,r4=0.6738, 着物(%)为子序列X,测试结果见表1. r3=0.6573. 表1A钢在各海域的1年腐蚀数据 环境因素（子因素） 全浸带 海域 pH 温度/℃ 溶解氧/mLL」盐度%。生物附着物/%平均腐蚀率mm·a1 局部腐蚀深度/mm (X) (X2) (X) (X) (X) (Y) (Y) I 8.60 13.6 32.0 5.60 50 0.19 0.41 Ⅱ 8.14 17.4 24.5 5.62 80 0.19 0.59 Ⅲ 8.17 20.9 27.0 5.30 100 0.20 0.65 V 8.30 26.7 34.0 4.50 100 0.10 0.70 2)对于母因素Y,计算结果为： 2.1基于神经网络的海水腐蚀预测模型 r=0.6122,r2=0.7602,r3=0.5490,r=0.5742, 预测海水腐蚀时采用了3层BP网络模型. r5=0.7938. 第1层为输入层，中间为隐含层，第3层为输 由结果可知，影响平均腐蚀速率的因素主次 出层.各层次间的神经元之间形成全互连连接. 关系为： 各层次内的神经元之间没有连接.输人层的节点 溶解氧>pH值>盐度>生物附着物>温度. 数为输人向量的分量数，这里为5个，即海水温 影响局部腐蚀深度的因素主次关系为： 度、溶解氧含量、盐度、pH值、生物活性；输出层的 生物附着物>温度>pH值>盐度>溶解氧， 节点数为输出向量的分量数，这里为1个，即平均 (3)建议. 腐蚀率；隐含层的节点数根据网络训练拟合情况 从海水对A,钢腐蚀速率分析，上述5个因素 选取， 关联度均大于0.6，即都对A,钢有影响，但影响 海水腐蚀模型和相应的3层BP网络模型见 最大的是海水中溶解氧的含量(，=0.8201)，其 图1. 次是海水中pH值(r,=0.7280).为减少腐蚀速 率，在对A,钢设施防腐中，应重点使用抗溶解氧 (a) 及酸碱性涂料以减缓腐蚀影响， pH值K) 从局部腐蚀深度分析，对A,钢腐蚀起主要作 温度(K) 腐蚀的环境 腐蚀结果 用的影响因素是生物附着物(，=0.7938)，温度 溶解氧(X 材料 因素 (平均腐蚀率Y) (2=0.7602),及pH值(r=0.6122),为减少腐蚀 盐度(X) 深度，应加强抗海水中生物附着物的防护措施. 生物附 2海水腐蚀预测 着物(X) 使用神经网络来预测海水环境对材料的腐 (b) 蚀速率是将环境因素与材料腐蚀率之间的关系 X 视为黑箱，进而通过试验数据学习，建立输人（环 境因素)与输出（材料腐蚀率）之间的作用关系. 理论上已证明：任何函数都可以用3层BP人工神 经网以任意程度逼近，它不需要预先给出模型， 而只需要一组已知条件（输人）和结果（输出）组 X 成的学习样本，即可逼近自学习或有导师的学习 获得条件与结果的对应规律.用神经网络方法可 预测某材料在某特定海水环境条件下的腐蚀结 图1海水腐蚀模型(a)和BP网络模型(b) 果（腐蚀速率）

北 京 科 技 大 学 学 报 1 9 9 9年 第2期 腐 蚀 情 况 . 以 其 在 海 域 的 平 均 腐蚀 率 、 局 部腐 蚀 深 度 为 母 序 列 ; 以 各 海 域 的 海 水 环 境 因 素 即 p H 值 、 温度 ( ℃ ) 、 溶解 氧 (m L / )L 、 盐度 (编 ) 、 生物 附 着物 (% ) 为 子序 列 X, 测试结果 见 表 1 . 将表 l 的数据按 ( l ) , (2) 式计算得 下面结 果 . l) 对于 母 因 素 艺 , 计算 结果 为 : r , = 0 · 7 2 8 0 , 2r = o · 6 0 0 0 , 3r = 0 · 8 2 0 1 , 4r = o · 6 7 3 8 , 5r = 0 . 6 5 7 3 . 表 1 儿 钢在各海域的 1 年腐蚀数据 环境 因素 (子因 素) 全浸带 海域 PH 温度 /℃ 溶解 氧/mL · L 一 , 盐度煽 生物附着物舰 平均腐蚀率恤 · a 一 , 局部腐蚀深度 / ~ _ _ Xl( ) (龙 ) Xs( ) X(4 ) Xs( ) ( lY ) (儿〕 1 8 6 0 1 3 . 6 3 2 . 0 5 . 6 0 5 0 0 . 1 9 0 . 4 1 1 8 . 1 4 1 7 . 4 2 4 . 5 5 6 2 8 0 0 . 1 9 0 . 5 9 1 8 . 17 2 0 . 9 2 7 . 0 5 . 3 0 10 0 0 . 2 0 0 . 6 5 W 8 . 3 0 2 6 . 7 3 4 . 0 4 . 5 0 10 0 0 . 10 0 . 70 2) 对 于母 因素 玖 , 计 算结 果 为 : r , = o · 6 12 2 , 2r = 0 · 7 6 0 2 , r 3 = 0 . 5 4 9 0 , 4r = 0 . 5 7 4 2 , 5r = 0 . 7 9 3 8 . 由结 果 可 知 , 影 响平 均腐蚀 速 率的 因素主次 关 系 为: 溶 解 氧 > p H 值 > 盐度 > 生 物附 着物 > 温度 . 影 响局 部 腐蚀 深度 的因 素主次 关 系为 : 生 物 附着 物 > 温度 > p H 值 > 盐 度 > 溶解 氧 . ( 3) 建议 . 从海水 对 A , 钢腐 蚀 速率 分析 , 上 述 5 个 因素 关 联 度 均 大 于 .0 6 , 即都 对 A 3 钢 有 影 响 , 但 影 响 最 大 的是 海 水 中溶 解 氧 的 含量 (r , 一 0 . 82 0 1) , 其 次 是 海 水 中 p H 值 (r , 二 .0 7 28 0) . 为 减 少 腐蚀 速 率 , 在 对 A 。 钢设施 防腐 中 , 应 重 点使用 抗 溶解 氧 及 酸碱性 涂 料 以 减 缓腐蚀影 响 . 从局部 腐蚀深度 分 析 , 对 A 3钢腐 蚀 起 主要 作 用 的影 响 因素是 生 物 附着 物 (r , 二 .0 7 93 8) , 温 度 (` = o · 7 6 0 2 ) , 及 p H 值 ( r , = 0 . 6 12 2 ) , 为 减 少腐蚀 深 度 , 应 加 强抗海水 中生 物 附着 物 的防 护措施 . 2 . 1 基于神经 网络的海水腐蚀预 测模型 预测 海 水腐蚀 时采 用了 3 层 B P 网络模型 . 第 1 层 为 输 人 层 , 中 间 为 隐 含层 , 第 3 层 为 输 出层 . 各层 次间 的神经 元 之 间形 成全 互 连连接 . 各层 次 内的神经元 之 间没 有连接 . 输人 层 的节 点 数 为 输人 向 量 的分 量 数 , 这 里 为 5 个 , 即海 水温 度 、 溶 解氧 含量 、 盐 度 、 p H 值 、 生物活性 ; 输出层 的 节点 数为 输出 向量 的分量数 , 这里为 1个 , 即平均 腐蚀 率 ; 隐含 层 的节点 数根据网络训 练拟合情况 选取 . 海 水腐蚀模型 和相 应的 3 层 B P 网络模型见 图 1 . ( a ) p H 值 讯 )一 温度 讯)一 溶解氧 比) 盐度 讯)一 生物附 着物 忧 )一 腐蚀 的环境 腐蚀结果 因素 材料 (平均腐蚀率 Y ) 一 2 海水腐蚀预测 使用 神经 网 络 来 预 测 海 水 环 境 对材 料 的腐 蚀 速 率 是 将 环 境 因 素与 材 料 腐蚀率 之 间 的 关 系 视 为黑 箱 , 进而 通 过 试验 数据 学 习 , 建立 输人 (环 境 因 素 ) 与 输 出 (材 料 腐 蚀 率 ) 之 间 的作 用 关 系 . 理论上 已 证明 : 任何函 数都 可 以 用 3 层 B P 人工 神 经 网 以 任 意 程 度 逼 近 , 它 不 需 要 预先 给 出模 型 , 而 只 需 要 一 组 已 知 条 件 (输 人 ) 和 结 果 (输 出 ) 组 成 的学 习 样 本 , 即可 逼近 自学 习 或 有 导 师 的学 习 获得 条件 与 结 果 的 对应规律 . 用 神 经 网 络方 法 可 预 测 某 材 料 在 某 特 定 海 水 环境 条 件 下 的腐 蚀结 果 (腐蚀速率 ) . (b) Xl 凡龙戈 图 1 海水腐蚀模型 (a) 和B P 网络模型 (b)

VoL21 No.2 杨晓明等：海水对金属腐蚀因素的分析及预测 187· 网络响应函数采用sigmoed函数，即： 式中：N为训练样本的数量：u,为网络的理想输出 fx)=11(1+e-: 值；元，为网络的实际输出值.BP算法参见文献[2]. 网络训练的误差目标函数E,即： 2.2实际预测 E=112N∑(u-, 共测得A钢在青岛、舟山、厦门、榆林、湛江5 个海域的腐蚀数据（见表2）.将前4个海域的数 据作为学习样本，将湛江的数据作为待测样本. 表2A钢在各海域的1年腐蚀数据 环境因素（子因素） 全浸带 潮差带 海域 pH 温度/℃盐度%。 溶解氧/mL·L-↓生物附者物/% 平均腐蚀率/mm~a 平均腐蚀率/mm·al (X) K2) X3) (X) (X) (Y) () 青岛8.6013.6 32.0 5,60 50 0.19 0.22 舟山8.1417.4 24.5 5.62 80 0.19 0.29 厦门8.17 20.9 27.0 5.30 100 0.20 0.22 榆林8.30 26.7 34.0 4.50 100 0.10 0.16 湛江8.00 23.0 25.5 5.10 100 0.19 0.23 系统目标误差取ε=10~5，对于全浸带和潮 从以上结果看，人工神经网络在海水腐蚀预 差带条件下，经学习训练，选取5-17-1型网络，经 测中的应用还是可行的，具有较高的预测精度， 不超过5×10次迭代，可使系统总误差小于10-5， 有推广价值， 学习的结果见表3， 表4湛江海域预测结果 表3学习结果 测定项目 全浸带 潮差带 全浸带 潮差带 海域 真值/mm·a 0.190 0.230 真值学习值相对误差%真值学习值相对误差% 预测值/mma 0.192 0.199 青岛0.190.19080.42110.220.21990.0454 相对误差% 1.526 13.478 舟山0.190.19080.47370.290.28860.4828 参考文献 厦门0.200.20040.20000.220.2214 0.6364 榆林0.100.10050.50000.160.15970.18751邓聚龙.灰色系统（社会、经济）.北京：国防工业出版 社，1985 以经过学习的模型作为预测模型，将湛江海 3焦李成.神经网络计算，西安：西安电子科技大学出版 域的海水环境输人，预测结果见表4. 社，1993 Analysis and Forcasting for Main Factors of Corrosion to Metals in Ocean Enviroment Yang Xiaoming,Chen Mingwen2,Zhang Yu,Dai Mingan,Zhu Xiangrong 1)Inst of High Education.UST Beijing,Beijingl00083,China 2)Applied Science Shool.UST Beijing 3)Beijing Professional School of Electronics 4)Qingdao Inst of Ocean Corrosion,Qingdao 266071 ABSTRACT The relationships between ocean corrosion of metal and the ocean environment were studied by grey relational analysis methods.Under the submergence,the main factors of corrosion for A,steel in ocean environment were found in accordance with grey relation grade.Neural network was applied to set a madel of ocean corrosion to A3 steel.Then the model is used to predict the corrosion rate of A,steel in the new ocean environment and a satisfied result is obtained. KEY WORDS grey relational analysis;corrosion;Bp network;ocean corrosion forcasting

V 0 L2 1 N 0 . 2 杨晓明等 : 海水对金属腐蚀 因素的分析及预测 1 8 7 网络响应函数采 用si gm oe d 函数 , 即 : f (x) = l / ( 1 + e 一 勺; 网络 训 练的 误差 目标 函数 凡 , 即 : 凡 一 / ZN 艺u( * 一 。扩 , 表2 式 中 : N 为训 练样 本 的数 量 : 气为网 络 的理想 输 出 值 ; 气为 网络 的实 际输 出值 · B P 算 法 参见 文献 〔2] . .2 2 实 际预测 共 测得 A 3钢 在青 岛 、 舟 山 、 厦 门 、 榆林 、 湛江 5 个海 域 的 腐蚀 数 据 (见 表 2) . 将 前 4 个 海 域 的数 据作为 学 习样 本 , 将湛 江 的数据作为待测样本 . 九钢在各海域的 1 年腐蚀数据 环境因 素 (子因 素) 全 浸带 潮差带 海域 温度/℃ 比) 盐度乃肠 溶解氧加工 . L 一 , 生物附着 物 /% 平均腐 蚀率 / ~ · a 一 , 平均腐蚀 率 / ~ · a 一 ’ (lY ) (乙 ) Z C, 22 2 … 曰“n 囚一 0 508 o0 n, 2 `.1 , ó … on à 0 “n 0 0 ` 1. 二. 再一 丝5.,3062 .20457 青岛 舟 山 厦 门 榆林 湛江 8 . 1 4 8 . 17 8 . 3 0 8 . 0 0 1 3 . 6 1 7 . 4 2 0 . 9 2 6 . 7 0 . 1 9 0 . 1 9 2 3 . 0 2 5 . 5 4 . 5 0 5 . 1 0 0 . 1 6 0 2 3 系 统 目标误 差 取￡ = or “ 5 , 对于全 浸 带和潮 差 带条件 下 , 经学 习 训 练 , 选取 5 一 1 7 一 1 型 网络 , 经 不 超过 5 x l 0 3次迭代 , 可使系统总 误差 小于 1 0 一 5 , 学 习 的结果见 表 3 . 从 以 上结 果看 , 人 工 神 经 网络 在 海水腐蚀 预 测 中 的 应用 还是 可行 的 , 具 有 较 高 的预 测 精 度 , 有 推广 价值 . 表 4 湛江海域预 测结果 表3 学 习结果 海域 青岛 舟 山 厦门 偷林 全 浸 带 潮 差 带 真值 学习值 相对误差% 真值 学 习值 相对误差% 0 . 1 9 0 . 19 0 8 0 . 4 2 1 1 0 2 2 0 . 2 1 9 9 0 . 0 4 5 4 0 . 1 9 0 . 190 8 0 . 4 7 3 7 0 . 2 9 0 . 2 8 8 6 0 . 4 8 2 8 0 . 2 0 0 . 2 0 0 4 0 . 2 0 0 0 0 . 2 2 0 . 2 2 1 4 0 . 6 3 6 4 0 . 1 0 0 . 1 00 5 0 . 5 00 0 0 . 1 6 0 . 15 9 7 0 . 1 8 7 5 测定项 目 真值 / n l n . a 一 ` 预测值厄u n . a 一 ’ 相对误差机 全浸带 0 . 1 9 0 0 . 1 9 2 1 . 5 2 6 潮差带 0 . 2 3 0 0 . 1 9 9 1 3 . 4 7 8 参 考 文 献 以 经 过学 习 的模 型 作 为预 测 模 型 , 将湛 江 海 域 的海水 环 境输人 . 预测 结果 见表 4 . l 邓 聚龙 . 灰 色系 统 (社 会 、 经济 ) . 北 京 : 国防工 业 出版 社 , 1 9 8 5 3 焦 李成 . 神经网络计 算 . 西安 : 西 安 电子科 技大学 出版 社 , 1 99 3 A n a l y s i s a n d F o r e a s t i n g t o M e t a l s i n fo r M a i n F a e t o r s o f C o r o s i o n O e e a n E n v i r o m e n t aY n g iX a o m in g l ) , hC e n 械 n测 e n Z ) , 肋 a n g uY 3 ) , D a i A右n卯 n 4 ) , 肋 u iX a n脚 n g 4 ) l ) ih st o f H ig h dE u e at i o n , U S T B e ij in g , B e ij in g l 0 0 8 3 , C h in a Z ) A P P il e d S c i e n c e S h o o l , U S T B e ij in g 3 ) B e ij in g P r o fe s s i o n al S e h o o l o f E lec 加in e s 4 )Q i n g d a o hi st o f o e e an C o ro s i o n , Q in g d a o 2 6 6 0 7 1 A B S T R A C T T h e r e lat i o n s h iP s b e tw e e n o e e an e o rm s i o n o f m e at l an d t h e o e e a n e n v ir o nm e n t w e r e s tu d i e d b y g re y r e l a t i o n a l a n a l y s i s m e ht o d s . U n d e r t h e s u b m e gr e n c e , t h e m a i n af e t o r s o f e o r o s i o n fo r A 3 s et e l in o e e an e n v ior nm e n t w e r e fo un d in a c e o dr an e e w iht g r e y r e l at i o n g a d e . N e aur l n e wt o kr w a s ap P li e d t o s e t a m a d e l o f o e e a n e o mr s i o n t o A , s t e e l . T h e n ht e m o d e l 1 5 u s e d t o p r e d i c t ht e c o mr s i o n art e o f A 3 s t e e l in ht e n e w o e e a n e n v i r o n m e n t a n d a s a t i s if e d r e s u lt 1 5 o b at in e d . K E Y W O R D S g er y r e l at i o n a l an a l y s i s ; e o r o s i o n ; B P n e wt o kr : o e e an e o r o s i o n fo r e a s t i n g