CN112668206A - 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 - Google Patents

Abstract

本发明公开了一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，所述包括采集酸性气田输气管道的腐蚀影响因素数据和腐蚀速率监测数据，将采集到的进行异常数据值筛选和缺失值补充；建立考虑多因素的腐蚀预测模型，并利用多元回归分析确定模型参数，将得到的模型进行可靠性检验。本发明基于酸性气田实际生产工况数据，综合考虑了腐蚀主要因素对腐蚀速率的影响，建立了腐蚀预测模型。避免了大量室内实验研究造成的人力物力的耗费，以及小样本引起的模型精度差的问题，对于酸性气田更有针对性地开展防腐工作具有重要意义，为气田降低安全风险以及减少经济损失提供指导。

Description

一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法

技术领域

本发明涉及酸性气田腐蚀防护领域，具体是涉及一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法。

背景技术

过去几十年，加拿大、俄罗斯、美国、中国等许多国家相继发现了大量含有H₂S或/和CO₂的油气藏，并将这类油气田统称为酸性油气田。在国内，大多数气田都含有H₂S或/和CO₂，酸性油气的开采将成为未来油气开发的主要战场。

酸性气田常采用气液混输工艺对从单井到集气站的采出气进行集输。气液混输工艺是指不经过分离处理而直接通过一个管道升压将井口采出气输送到集气站进行处理的一种集输工艺。由于采出气中含有大量地层水，同时伴有较高的H₂S和CO₂，具有极强的腐蚀性，流经集气管线后往往对管线内壁造成严重的腐蚀，此外，管道内气体流速对管道腐蚀有较大影响，流速过大破坏缓蚀剂膜，且气体在管道流动过程中常挟带泥沙，对输气管道造成磨损，加剧管道内腐蚀，由此可见，影响酸性气田管道腐蚀的因素众多。

因此，对于管道防腐蚀工程而言，科学合理地预测酸性气田集输管道的内腐蚀速率具有重要的意义。

目前，有关CO₂单独作用对腐蚀速率影响的模型较多，Shell公司的De Waard95模型将腐蚀环境温度、介质流速、pH等影响因素融入模型，NorsokM506预测模型考虑了温度、CO₂分压、流速。Intetech基于De Waard模型针对油井和油管线开发的，考虑了温度和H₂S分压对腐蚀的影响。有关CO₂和H₂S共同作用对腐蚀速率预测的模型较少。

本发明基于酸性气田实际生产工况，通过对酸性气田腐蚀因素检测数据和腐蚀速率监测数据的整理分析，综合考虑了温度、H₂S分压、CO₂分压、流速、Cl^-浓度的对腐蚀速率的影响，利用多元回归计算，有针对性地实现酸性气田腐蚀速率的准确预测。

发明内容

本发明所要解决的问题在于针对上述现有方法中的不足，本发明的目的是提供一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，，该发明通过对酸性气田相关历史原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据等数据资料进行数据分析与数据挖掘的方式，来提供一种便捷、精准，又能实现实时腐蚀预测的方法。

本发明采用以下技术方案，一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，其特征在于，包含以下步骤：

步骤一：收集酸性气田地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据，整理得到n组数据t₁时刻

t₂时刻

……，t_n时刻

其中，所采集的n个时刻下的n组数据中

(i＝1，2，…，n；n>5)为t_i时间下检测的温度数据值、

为t_i时间下检测的CO₂分压、

为t_i时间下检测的H₂S分压、

为t_i时间下的流速值、

为t_i时间下检测的Cl^-浓度值，

为与

同时间下监测的腐蚀速率值；

步骤二：对腐蚀速率和腐蚀因素数据进行预处理，包括数据筛选和数据补充；

利用箱型图对数据进行筛选识别异常值，满足异常值筛选条件，见式(1)式(2)，则作为异常值剔除；

异常值<Q_L-1.5IQR (1)

异常值>Q_U+1.5IQR (2)

其中，统计学中把所有数值由小到大排列并分成四等份，数据排序后处于25％位置上的数据值Q_L称为下四分位数，表示全部数据值中有四分之一的数据值比它小；处在75％位置上的数据值Q_U称为上四分位数，表示有四分之一的数据值比它大；IQR是四分位数间距，是Q_U与Q_L之差；

异常值剔除后作为缺失值处理，并利用拉格朗日插值法对缺失值进行补充，见式(3)：

式中：a、b、c为某个腐蚀因素或腐蚀速率数据中的连续3个点的数据；

t_a为a数据点所对应的检测时间，t_b为b数据点所对应的检测时间，t_c为c数据点所对应的检测时间；

t为t_a～t_c间某缺失数值所对应的检测时间；

d为插值计算得t时刻对应的数值；

异常数据剔除并补充，无异常数据大小不变，得到预处理后的n个时刻下的n组数据的表达为：

步骤三：建立考虑多因素的腐蚀预测模型；

综合考虑温度、H₂S分压、CO₂分压、流速、Cl^-浓度的对腐蚀速率的影响，建立含未知参数的腐蚀预测模型，见式(3)：

式中V_corr为腐蚀速率，mm/a；t为体系温度，℃；

为CO₂分压，MPa；

为H₂S分压，MPa；υ为流速，m/s；Cl^-为Cl^-浓度，mg/L；A₁、A₂、A₃、A₄、A₅、A₆、A₇为未知参数；

步骤四：变量转换；

将式(4)中的变量做如下转换：

Y＝lnV_corr (5)

X₂＝t (7)

X₅＝lnυ (10)

X₆＝lnCl^- (11)

由此可以看出，Y与X₁、X₂、X₃、X₄、X₅、X₆有线性关系，因此得到了多元线性回归模型的一般形式(12)为：

Y＝β₀+β₁X₁+…+β₆X₆+ε (12)

式中β₀，β₁，…，β₆是回归系数，ε是不可观测的随机误差；

步骤五：多元线性回归分析确定参数；

将步骤二中的预处理后的数据

代入步骤三中的含未知参数的腐蚀速率预测模型中，利用多元线性回归分析方法，建立一种腐蚀速率数学模型，具体实现过程如下：

将

中的

代入式(5)得到y_i，将

代入式(6)、式(7)得到x_i1、x_i2，将

代入式(8)得到x_i3，将

代入式(9)得到x_i4，将

代入式(10)得到x_i5，将

代入式(11)得到x_i6，再将得到的(y₁,x₁₁,x₁₂,x₁₃,x₁₄,x₁₅,x₁₆)，(y₂,x₂₁,x₂₂,x₂₃,x₂₄,x₂₅,x₂₆)，……，(y_n,x_n1,x_n2,x_n3,x_n4,x_n5,x_n6)分别代入式(12)，则得到(13)：

通过拟合求解得到回归系数，从而求得关于腐蚀速率的多元线性回归方程(14)：

式中：

是回归后的模型系数；

因此，可以得到y_i的模型估计值

式中：

为y_i的模型估计值；

步骤六：模型的检验；

步骤五完成后，还需进一步对该样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验(可决系数R²检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面；

①拟合优度检验(可决系数R²检验)，其公式(16)表示为：

②方程显著性检验(F检验)，其公式(17)表示为：

式中：R²为可决系数，表示因变量与所有自变量全体之间线性相关程度；F为F检验统计量，表示多元自变量是否整体与因变量线性相关；

为y_i的平均值；

为y_i的模型估计值；k取6；

自由度为6且显著水平α为0.05的情况下，如R²>0.95，则认为多元线性方程拟合优度较高，具备合理性；查找F检验临界值表，如果F>F_α(6，n-7)，则拒绝原假设，判定Y与X₁，X₂，……，X₆之间的回归效果显著，即认为原方程总体上的线性关系显著；与F对应的概率小于p时，回归模型成立；

步骤七：如回归得到的模型全部满足步骤六的检验条件，则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型；如不满足步骤六的检验条件，则扩大样本数据量，重复步骤二、步骤三、步骤四、步骤五、步骤六，直至满足步骤六的检验条件为止。

进一步的，所述的可决系数R²取值范围在0.95-0.99。

进一步的，所述的p取值范围在0-0.05。

附图说明

图1是一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法的流程图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。

如图1所示为一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法的流程图。

1.一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，其特征在于，包含以下步骤：

步骤一：收集酸性气田地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据，整理得到n个时刻下的n组数据：t₁时刻

t₂时刻

……，t_n时刻

n大于5；

其中，所采集的n个时刻下的n组数据中

(i＝1，2，…，n；n>5)为t_i时间下检测的温度数据值、

为t_i时间下检测的CO₂分压、

为t_i时间下检测的H₂S分压、

为t_i时间下的流速值、

为t_i时间下检测的Cl^-浓度值，

为与

同时间下监测的腐蚀速率值；

步骤二：对腐蚀速率和腐蚀因素数据进行预处理，包括数据筛选和数据补充；

利用箱型图对数据进行筛选识别异常值，满足异常值筛选条件，见式(1)式(2)，则作为异常值剔除；

异常值<Q_L-1.5IQR (1)

异常值>Q_U+1.5IQR (2)

其中，统计学中把所有数值由小到大排列并分成四等份，数据排序后处于25％位置上的数据值Q_L称为下四分位数，表示全部数据值中有四分之一的数据值比它小；处在75％位置上的数据值Q_U称为上四分位数，表示有四分之一的数据值比它大；IQR是四分位数间距，是Q_U与Q_L之差；

异常值剔除后作为缺失值处理，并利用拉格朗日插值法对缺失值进行补充，见式(3)：

式中：a、b、c为某个腐蚀因素或腐蚀速率数据中的连续3个点的数据；

t_a为a数据点所对应的检测时间，t_b为b数据点所对应的检测时间，t_c为c数据点所对应的检测时间；

t为t_a～t_c间某缺失数值所对应的检测时间；

d为插值计算得t时刻对应的数值；

异常数据剔除并补充，无异常数据大小不变，得到预处理后的n个时刻下的n组数据的表达为：

步骤三：建立考虑多因素的腐蚀预测模型；

综合考虑温度、H₂S分压、CO₂分压、流速、Cl^-浓度的对腐蚀速率的影响，建立含未知参数的腐蚀预测模型，见式(3)：

式中V_corr为腐蚀速率，mm/a；t为体系温度，℃；

为CO₂分压，MPa；

为H₂S分压，MPa；υ为流速，m/s；Cl^-为Cl^-浓度，mg/L；A₁、A₂、A₃、A₄、A₅、A₆、A₇为未知参数；

步骤四：变量转换；

将式(4)中的变量做如下转换：

Y＝lnV_corr (5)

X₂＝t (7)

X₅＝lnυ (10)

X₆＝lnCl^- (11)

由此可以看出，Y与X₁、X₂、X₃、X₄、X₅、X₆有线性关系，因此得到了多元线性回归模型的一般形式(12)为：

Y＝β₀+β₁X₁+…+β₆X₆+ε (12)

式中β₀，β₁，…，β₆是回归系数，ε是不可观测的随机误差；

步骤五：多元线性回归分析确定参数；

将步骤二中的预处理后的数据

代入步骤三中的含未知参数的腐蚀速率预测模型中，利用多元线性回归分析方法，建立一种腐蚀速率数学模型，具体实现过程如下：

将

中的

代入式(5)得到y_i，将

代入式(6)式(7)得到x_i1、x_i2，将

代入式(8)得到x_i3，将

代入式(9)得到x_i4，将

代入式(10)得到x_i5，将

代入式(11)得到x_i6，再将得到的(y₁,x₁₁,x₁₂,x₁₃,x₁₄,x₁₅,x₁₆)，(y₂,x₂₁,x₂₂,x₂₃,x₂₄,x₂₅,x₂₆)，……，(y_n,x_n1,x_n2,x_n3,x_n4,x_n5,x_n6)分别代入式(12)，则得到(13)：

通过拟合求解得到回归系数，从而求得关于腐蚀速率的多元线性回归方程(14)：

式中：

是回归后的模型系数；

因此，可以得到y_i的模型估计值

式中：

为y_i的模型估计值；

步骤六：模型的检验；

步骤五完成后，还需进一步对该样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验(可决系数R²检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面；

①拟合优度检验(可决系数R²检验)，其公式(16)表示为：

②方程显著性检验(F检验)，其公式(17)表示为：

式中：R²为可决系数，表示因变量与所有自变量全体之间线性相关程度；F为F检验统计量，表示多元自变量是否整体与因变量线性相关；

为y_i的平均值；

为y_i的模型估计值；k取6；

自由度为6且显著水平α为0.05的情况下，如R²>0.95，则认为多元线性方程拟合优度较高，具备合理性；查找F检验临界值表，如果F>F_α(6，n-7)，则拒绝原假设，判定Y与X₁，X₂，……，X₆之间的回归效果显著，即认为原方程总体上的线性关系显著；与F对应的概率小于p时，回归模型成立；

步骤七：如回归得到的模型全部满足步骤六的检验条件，则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型；如不满足步骤六的检验条件，则扩大样本数据量，重复步骤二、步骤三、步骤四、步骤五、步骤六，直至满足步骤六的检验条件为止。

进一步的，所述的可决系数R²取值范围在0.95-0.99。

进一步的，所述的p取值范围在0-0.05。

实施例

一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，包括以下步骤：

已知某酸性气田集气站B天然气输送工艺采用加热、节流、保温、分离的湿气输送集输工艺，天然气经采气树节流阀、二级节流阀，进入加热炉，在加热炉入口集输管道上设有腐蚀挂片和电阻探针用于监测腐蚀速率，并每月检测原料气组分和气田水数据，该集输管道材质为L360QS，管径为DN100。

步骤一：收集酸性气田B地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据，整理得到10个时刻下的10组数据：2017年1月(56.71,8.93,0.42852,0.22712,1027.34,0.00060)，2017年2月(56.71,9.75,0.43294,0.22129,442.34,0.00061)，……，2019年10月(42.72,5.51,0.93370,0.23574,71.760,0.00160)，如表1所示；

表1酸性气田管道腐蚀因素及腐蚀速率数据表

步骤二：对腐蚀速率和腐蚀因素数据进行预处理包括数据筛选和数据补充；

利用箱型图对数据进行筛选识别异常值，2017年1月Cl^-浓度值满足异常值筛选条件，见式(1)式(2)，则作为异常值剔除；

异常值剔除后作为缺失值处理，并利用拉格朗日插值法对缺失值进行补充，见式(3)，补充后的2017年1月Cl^-浓度值为416.39mg/L；

异常数据剔除并补充，无异常数据大小不变，得到预处理后的10个时刻下的10组数据，如下表2所示：

表2预处理后的数据表

步骤三：建立考虑多因素的腐蚀预测模型；

综合考虑温度、H₂S分压、CO₂分压、流速、Cl^-浓度的对腐蚀速率的影响，建立含未知参数的腐蚀预测模型，见式(3)：

式中V_corr为腐蚀速率，mm/a；t为体系温度，℃；

为CO₂分压，MPa；

为H₂S分压，MPa；υ为流速，m/s；Cl^-为Cl^-浓度，mg/L；A₁、A₂、A₃、A₄、A₅、A₆、A₇为未知参数；

步骤四：变量转换；

将式(4)中的变量做如下转换：

Y＝lnV_corr (5)

X₂＝t (7)

X₅＝lnυ (10)

X₆＝lnCl^- (11)

由此可以看出，Y与X₁、X₂、X₃、X₄、X₅、X₆有线性关系，因此得到了多元线性回归模型的一般形式(12)为：

Y＝β₀+β₁X₁+…+β₆X₆+ε (12)

式中β₀，β₁，…，β₆是回归系数，ε是不可观测的随机误差；

步骤五：多元线性回归分析确定参数；

将步骤二中的预处理后的数据

代入步骤三中的含未知参数的腐蚀速率预测模型中，利用多元线性回归分析方法，建立一种腐蚀速率数学模型，具体实现过程如下：

将

(i＝1，2，…，n)中的

代入式(5)得到y_i，将

代入式(6)、式(7)得到x_i1、x_i2，将

代入式(8)得到x_i3，将

代入式(9)得到x_i4，将

代入式(10)得到x_i5，将

代入式(11)得到x_i6再将得到的(y₁,x₁₁,x₁₂,x₁₃,x₁₄,x₁₅,x₁₆)，(y₂,x₂₁,x₂₂,x₂₃,x₂₄,x₂₅,x₂₆)，……，(y_n,x_n1,x_n2,x_n3,x_n4,x_n5,x_n6)分别代入式(12)，则得到(13)：

通过拟合求解得到回归系数，从而求得关于腐蚀速率的多元线性回归方程(14)：

因此，可以得到y_i的模型估计值

式中：

为y_i的模型估计值；

步骤六：模型的检验；

步骤五完成后，还需进一步对该样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验(可决系数R²检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面；

①拟合优度检验(可决系数R²检验)，计算式(16)得R²＝0.9904；

②方程显著性检验(F检验)，计算式(17)得F＝82.5377；

通过上述检验计算，自由度为6且显著水平α为0.05的情况下，R²>0.95，则认为实施例中拟合回归的多元线性方程拟合优度较高，具备合理性；查找F检验临界值表，F_0.95(6,3)＝8.941，F>F_α(6，n-7)，则拒绝原假设，判定Y与X₁，X₂，……，X₆之间的回归效果显著，即认为原方程总体上的线性关系显著；与F对应的概率为0.0004小于p(p取值范围在0-0.05)，回归模型成立；

步骤七：实例中回归得到的模型全部满足步骤六的检验条件，则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型。

通过上述计算，实施例中的考虑多因素的酸性气田B腐蚀预测模型为：

预测模型计算数据与腐蚀速率监测数据对比分析，腐蚀速率预测误差小于12％，腐蚀速率预测可靠。

该方法在对酸性气田腐蚀预测模型的建立过程中，综合考虑了温度、H₂S分压、CO₂分压、流速、Cl^-浓度的对腐蚀速率的影响，以此提出一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法。该方法基于酸性气田实际生产工况，通过对酸性气田腐蚀因素检测数据和腐蚀速率监测数据的多元回归计算，有针对性地实现酸性气田腐蚀速率的准确预测，对于酸性气田更有针对性地开展防腐工作具有重要意义，为气田降低安全风险以及减少经济损失提供指导。

Claims (3)

1.一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，其特征在于，包含以下步骤：

步骤一：收集酸性气田地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据，整理得到n个时刻下的n组数据：t₁时刻

t₂时刻

……，t_n时刻

其中，所采集的n个时刻下的n组数据中

(i＝1，2，…，n；n>5)为t_i时间下检测的温度数据值、

为t_i时间下检测的CO₂分压、

为t_i时间下检测的H₂S分压、

为t_i时间下的流速值、

为t_i时间下检测的Cl^-浓度值，

为与

同时间下监测的腐蚀速率值；

步骤二：对腐蚀速率和腐蚀因素数据进行预处理，包括数据筛选和数据补充；

利用箱型图对数据进行筛选识别异常值，满足异常值筛选条件，见式(1)式(2)，则作为异常值剔除；

异常值<Q_L-1.5IQR (1)

异常值>Q_U+1.5IQR (2)

其中，统计学中把所有数值由小到大排列并分成四等份，数据排序后处于25％位置上的数据值Q_L称为下四分位数，表示全部数据值中有四分之一的数据值比它小；处在75％位置上的数据值Q_U称为上四分位数，表示有四分之一的数据值比它大；IQR是四分位数间距，是Q_U与Q_L之差；

异常值剔除后作为缺失值处理，并利用拉格朗日插值法对缺失值进行补充，见式(3)：

式中：a、b、c为某个腐蚀因素或腐蚀速率数据中的连续3个点的数据；

t_a为a数据点所对应的检测时间，t_b为b数据点所对应的检测时间，t_c为c数据点所对应的检测时间；

t为t_a～t_c间某缺失数值所对应的检测时间；

d为插值计算得t时刻对应的数值；

异常数据剔除并补充，无异常数据大小不变，得到预处理后的n个时刻下的n组数据的表达为：

步骤三：建立考虑多因素的腐蚀预测模型；

综合考虑温度、H₂S分压、CO₂分压、流速、Cl^-浓度的对腐蚀速率的影响，建立含未知参数的腐蚀预测模型，见式(3)：

式中V_corr为腐蚀速率，mm/a；t为体系温度，℃；

为CO₂分压，MPa；

为H₂S分压，MPa；υ为流速，m/s；Cl^-为Cl^-浓度，mg/L；A₁、A₂、A₃、A₄、A₅、A₆、A₇为未知参数；

步骤四：变量转换；

将式(4)中的变量做如下转换：

Y＝lnV_corr (5)

X₂＝t (7)

X₅＝lnυ (10)

X_6＝lnCl^- (11)

由此可以看出，Y与X₁、X₂、X₃、X₄、X₅、X₆有线性关系，因此得到了多元线性回归模型的一般形式(12)为：

Y＝β₀+β₁X₁+…+β₆X₆+ε (12)

式中β₀，β₁，…，β₆是回归系数，ε是不可观测的随机误差；

步骤五：多元线性回归分析确定参数；

将步骤二中的预处理后的数据

代入步骤三中的含未知参数的腐蚀速率预测模型中，利用多元线性回归分析方法，建立一种腐蚀速率数学模型，具体实现过程如下：

将

中的

代入式(5)得到y_i，将

代入式(6)、式(7)得到x_i1、x_i2，将

代入式(8)得到x_i3，将

代入式(9)得到x_i4，将

代入式(10)得到x_i5，将

代入式(11)得到x_i6，再将得到的(y₁,x₁₁,x₁₂,x₁₃,x₁₄,x₁₅,x₁₆)，(y₂,x₂₁,x₂₂,x₂₃,x₂₄,x₂₅,x₂₆)，……，(y_n,x_n1,x_n2,x_n3,x_n4,x_n5,x_n6)分别代入式(12)，则得到(13)：

通过拟合求解得到回归系数，从而求得关于腐蚀速率的多元线性回归方程(14)：

式中：

是回归后的模型系数；

因此，可以得到y_i的模型估计值：

式中：

为y_i的模型估计值；

步骤六：模型的检验；

步骤五完成后，还需进一步对该样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验(可决系数R²检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面；

①拟合优度检验(可决系数R²检验)，其公式(16)表示为：

②方程显著性检验(F检验)，其公式(17)表示为：

式中：R²为可决系数，表示因变量与所有自变量全体之间线性相关程度；F为F检验统计量，表示多元自变量是否整体与因变量线性相关；

为y_i的平均值；

为y_i的模型估计值；k取6；

自由度为6且显著水平α为0.05的情况下，如R²>0.95，则认为多元线性方程拟合优度较高，具备合理性；查找F检验临界值表，如果F>F_α(6，n-7)，则拒绝原假设，判定Y与X₁，X₂，……，X₆之间的回归效果显著，即认为原方程总体上的线性关系显著；与F对应的概率小于p时，回归模型成立；

步骤七：如回归得到的模型全部满足步骤六的检验条件，则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型；如不满足步骤六的检验条件，则扩大样本数据量，重复步骤二、步骤三、步骤四、步骤五、步骤六，直至满足步骤六的检验条件为止。

2.根据权利要求1所述的一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，其特征在于：所述的可决系数R²取值范围在0.95-0.99。

3.根据权利要求1所述的一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法，其特征在于：所述的p取值范围在0-0.05。

Images