JP6566172B1 - 金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置 - Google Patents

Abstract

金属材料の腐食量予測方法は、腐食量データを用いて金属材料の腐食量を予測するものであり、腐食量を予測したい金属材料の使用期間と、使用期間内の金属材料の使用環境を示す複数の環境パラメータと、を含む予測要求点を入力する予測要求点入力ステップと、腐食量データにおける複数の環境パラメータと、予測要求点における複数の環境パラメータとの類似度を算出する類似度算出ステップと、類似度を考慮して、腐食量データにおける複数の環境パラメータを、潜在変数に次元圧縮する次元圧縮ステップと、潜在変数および類似度を用いて構築した予測式に基づいて、予測要求点における金属材料の腐食量を予測する腐食量予測ステップと、を含む。

Description

本発明は、金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置に関する。

非特許文献１に示すように、従来から大気腐食環境における金属材料の腐食量は、経験式として以下の式（１）で表されることが知られている。

ここで、上記式（１）において、Ｙは金属材料の腐食量、Ｘは金属材料の使用期間、Ａは金属材料の初期一年間の腐食量を示すパラメータ、Ｂは腐食により形成されるさび層の効果による腐食速度の減衰を示すパラメータ、である。これらのパラメータＡ、Ｂの値は、金属材料の種類や大気腐食環境により変化する。そのため、現在は、長期腐食量を予測する際に、対象となる大気腐食環境において金属材料を複数期間暴露し、腐食量の経時変化を上記式（１）で外挿する手法が多く用いられている。

ところで、金属材料の腐食量は、金属が持つ耐食性能と大気腐食環境因子、例えば温度、相対湿度、濡れ時間、降雨量、飛来塩分量およびＳＯ_２濃度等が複雑に作用することにより決まる。そこで、以下に示すように、上記の環境因子を用いて定式化することにより、金属材料の腐食量を予測する技術が提案されている。

例えば非特許文献２では、炭素鋼、亜鉛、銅およびアルミニウムについて、腐食量の対数を、温度、相対湿度および飛来塩の対数で重回帰した項と、温度、相対湿度およびＳＯ_２量の対数で重回帰した項との和により算出している。

また、特許文献１では、年間濡れ時間、年平均風速、飛来塩分量、硫黄酸化物量、腐食反応の活性化エネルギーおよび温度をパラメータとして、腐食指標Ｚを下記式（２）のように表し、この腐食指標Ｚの二次関数を長期腐食量の算出に用いている。

ここで、上記式（２）において、ＴＯＷは年間濡れ時間（ｈ）、Ｗは年平均風速（ｍ／ｓ）、Ｃは飛来塩分量（ｍｄｄ）、Ｓは硫黄酸化物量（ｍｄｄ）、Ｅ_αは腐食反応の活性化エネルギー（Ｊ／ｍｏｌ）、Ｒは気体定数（Ｊ／（Ｋ／ｍｏｌ））、Ｔは年平均気温（Ｋ）、α，κ，δ，εは定数、である。また、前記した「ｍｄｄ」は、単位日数および単位面積あたりに捕集されたＮａＣｌの量であり、「ｍｇ ＮａＣｌ・ｄｍ^−２・ｄａｙ^−１」の略である。

また、特許文献２では、飛来塩分量Ｃを予測する技術が提案されている。また、特許文献３では、経験式として知られる上記式（１）のパラメータＡを、温度、相対湿度、飛来塩分量および濡れ確率をパラメータとして下記式（３）により算出し、パラメータＢを実験室的試験によりパラメータＡの関数として算出する腐食予測技術が提案されている。

ここで、上記式（３）において、Ｔは温度（℃）、Ｈは相対湿度（％）、Ｓａは飛来塩分量（ｍｇ／ｄｍ^２／ｄａｙ（＝ｍｄｄ））、Ｐｗ（Ｔ，Ｈ）は濡れ確率、α，β，γは鋼種に応じて設定される係数、である。

また、特許文献４では、屋外の大気腐食環境において、経験式として知られる上記式（１）のパラメータＡを、温度、濡れ時間および飛来塩分量をパラメータとして下記式（４）により算出し、パラメータＢを０．３〜０．６の範囲に設定する腐食予測技術が提案されている。

ここで、上記式（４）において、Ｔは温度（℃）、ＴＯＷは濡れ時間（ｈ）、Ｓａは飛来塩分量（ｍｇ／ｄｍ^２／ｄａｙ（＝ｍｄｄ））、α，β，γは係数、である。

また、特許文献５では、大気環境における鋼材の板厚減少量を予測する際に、経験式として知られる上記式（１）のパラメータＡを下記式（５）により、パラメータＢを下記式（６）により算出する技術が提案されている。

ここで、上記式（５）および上記式（６）において、ＣＲ０は、環境因子をパラメータとする鋼材製造直後の初期腐食速度を表す関数であり、ＣＲ１は、環境因子をパラメータとする鋼材製造から１年後の腐食速度を表す関数である。また、ここでの環境因子とは、年平均温度（℃）、年平均湿度（％）、年平均風速（ｍ／ｓｅｃ）、飛来塩分量（ｍｇ／ｄｍ^２／ｄａｙ（＝ｍｄｄ））、硫黄酸化物量（ｍｇ／ｄｍ^２／ｄａｙ（＝ｍｄｄ））、のことを示している。

また、特許文献６では、金属材料の腐食速度を予測する際に、腐食速度を目的変数としその腐食速度に影響を与える環境因子と地形因子を説明変数とする重回帰分析を行うにあたり、少なくとも説明変数の一つとして相対湿度０％〜１００％に応じて重み付けした仮想濡れ時間を含め、この仮想濡れ時間を、変化する相対湿度に応じて異なる重み係数を変化する相対湿度に対応した時間に乗算して得られた乗算値を総和して求め、測定した金属材料の腐食速度に基づき重回帰分析法により腐食速度推定式を作成する手法が提案されている。

また、特許文献７では、金属材料の劣化予測に重回帰分析を使用するにあたり、重回帰式を最適化する劣化予測マッピング装置が提案されている。

特許第３９０９０５７号公報 特許第４１４３０１８号公報 特許第４７０６２５４号公報 特許第５８９５５２２号公報 特許第５０６６１６０号公報 特許第５０６６９５５号公報 特許第５６８４５５２号公報

「耐候性鋼材の橋梁への適用に関する共同研究報告書（ＸＶＩＩＩ）」、建設省土木研究所、（社）鋼材倶楽部、（社）日本橋梁建設協会、平成５年３月 ISO 9223：1992 "Corrosion of metals and alloys - Corrosivity of atmospheres - Classification、 determination and estimation"

ここで、特許文献１〜５では、腐食量および腐食速度と各環境パラメータとの関係を評価することにより、説明変数として採用する環境パラメータを選定して定式化している。しかしながら、腐食量、腐食速度および各環境パラメータは、複雑に相関関係を持っている。例えば、腐食量と温度との関係は非線形であり、飛来塩分量とＳＯ_２濃度とは疑似相関を持っている。このような関係性の中で、特許文献１〜５のように定式化した場合、高い精度の予測は望めない。

また、特許文献６は、濡れ時間に着目して重み付けをすることを特徴としている。このように重み付けをすることにより精度は上がるものの、多数ある環境パラメータの中で濡れ時間にのみ重みを付けても有効な精度向上は望めない。また、特許文献６の手法では、現在データを保有している期間でのみ腐食予測が可能であり、長期腐食予測をすることはできない。

また、特許文献７は、多数ある環境パラメータから複数の環境パラメータを選定し、重回帰を繰り返し行って最良の式とすることにより予測精度向上を図っているが、腐食量および腐食速度の関係は、重回帰で得られる各環境パラメータとの１次式で簡単に表現することができない。従って、特許文献７の手法では大きな精度向上は望めない。

本発明は、上記に鑑みてなされたものであって、大気腐食環境における長期腐食予測を精度高く行うことができる金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る金属材料の腐食量予測方法は、金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、前記使用期間における前記金属材料の腐食量と、を含む腐食量データを用いて金属材料の腐食量を予測する金属材料の腐食量予測方法であって、腐食量を予測したい前記金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、を含む予測要求点を入力する予測要求点入力ステップと、前記腐食量データにおける複数の環境パラメータと、前記予測要求点における複数の環境パラメータとの類似度を算出する類似度算出ステップと、前記類似度を考慮して、前記腐食量データにおける複数の環境パラメータを、潜在変数に次元圧縮する次元圧縮ステップと、前記潜在変数および前記類似度を用いて構築した予測式に基づいて、前記予測要求点における前記金属材料の腐食量を予測する腐食量予測ステップと、を含むことを特徴とする。

また、本発明に係る金属材料の腐食量予測方法は、上記発明において、前記腐食量予測ステップは、前記金属材料の所定期間の腐食量を示す第一のパラメータを予測する初期腐食量予測ステップと、前記金属材料の腐食速度の減衰を示す第二のパラメータを予測する減衰予測ステップと、前記金属材料の使用期間と、前記第一のパラメータと、前記第二のパラメータと、に基づいて前記金属材料の前記所定期間よりも長い期間の腐食量を予測する長期腐食量予測ステップと、を含むことを特徴とする。

また、本発明に係る金属材料の腐食量予測方法は、上記発明において、前記初期腐食量予測ステップは、前記潜在変数および前記類似度を用いて構築した予測式に基づいて、前記予測要求点の環境パラメータ下における、前記金属材料の所定期間の腐食量を予測することを特徴とする。

また、本発明に係る金属材料の腐食量予測方法は、上記発明において、前記減衰予測ステップは、腐食量を予測したい前記金属材料の使用期間と、前記腐食量データにおける複数の環境パラメータと、前記類似度とに基づいて、前記第二のパラメータを予測することを特徴とする。

また、本発明に係る金属材料の腐食量予測方法は、上記発明において、前記複数の環境パラメータは、温度と、相対湿度、絶対湿度、濡れ時間および降雨量のうちの少なくとも一つと、飛来塩分量、ＳＯ_Ｘ濃度およびＮＯ_Ｘ濃度のうちの少なくとも一つと、を含むことを特徴とする。

また、本発明に係る金属材料の腐食量予測方法は、上記発明において、前記金属材料は、鉄鋼材料であることを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係る金属材料の選定方法は、前記した金属材料の腐食量予測方法を用いて、使用環境に応じた金属材料を選定することを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係る金属材料の腐食量予測装置は、金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、前記使用期間における前記金属材料の腐食量と、を含む腐食量データが保存されるデータベースと、腐食量を予測したい前記金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、を含む予測要求点が入力される入力部と、前記腐食量データにおける複数の環境パラメータと、前記予測要求点における複数の環境パラメータとの類似度を算出する類似度算出部と、前記類似度を考慮して、前記腐食量データにおける複数の環境パラメータを、潜在変数に次元圧縮する次元圧縮部と、前記潜在変数および前記類似度を用いて構築した予測式に基づいて、前記予測要求点における前記金属材料の腐食量を予測する腐食量予測部と、を備えることを特徴とする。

本発明によれば、大気腐食環境において、金属材料の長期腐食予測を精度高く行うことができ、使用環境に応じた最適な金属材料を選定することが可能となる。また、本発明によれば、地域を選ぶことなく、どのような地域であっても金属材料の腐食量を精度高く予測することができる。

図１は、大気腐食環境において、温度（年平均）と腐食量（年間）との関係を示すグラフである。 図２は、大気腐食環境において、ＳＯ_２濃度（年平均）と飛来塩分量（年平均）との擬似相関関係を示すグラフである。 図３は、本発明の実施形態に係る金属材料の腐食量予測装置の構成を示すブロック図である。 図４は、本発明の実施形態に係る金属材料の腐食量予測方法の流れを示すフローチャートである。 図５は、従来技術に係る金属材料の腐食量予測方法によって得た、金属材料の一年後の腐食量予測値と腐食量実測値との間の誤差を示すグラフである。 図６は、本発明の実施形態に係る金属材料の腐食量予測方法によって得た、金属材料の一年後の腐食量予測値と腐食量実測値との間の誤差を示すグラフである。 図７は、本発明の実施形態に係る金属材料の腐食量予測方法によって得た、金属材料の九年後の腐食量予測値と腐食量実測値との間の誤差を示すグラフである。

以下、本発明の実施形態に係る金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置について、図面を参照しながら説明する。なお、本発明は以下の実施形態に限定されるものではない。

本発明者らは、上記目的を達成するために鋭意検討した結果、各大気腐食環境における金属材料の初期一年間の腐食量を示すパラメータＡ（第一のパラメータ）と、さび層による腐食速度の減衰を示すパラメータＢ（第二のパラメータ）とをそれぞれ分けて予測し、かつ予測に際し、各環境パラメータに重み付けをしたデータから予測することにより、予測精度が向上することを見出し、本発明を完成させた。

金属材料の腐食速度は、一般的に経時的に減衰していく。これは、金属材料表面に生成する腐食生成物（例えばさび層）による保護効果によるものである。また、この保護効果は、周囲の環境や金属材料の種類により大きく異なる。このように、金属材料の腐食速度は、様々な環境や金属材料が持つ耐食性等の、非常に多くの要素が絡み合う。そのため、任意の環境および期間における金属材料の腐食量を、各環境パラメータと腐食量との関係の原理原則から精度良く予測することは非常に困難であり、例えばデータベースに蓄積された腐食量および各環境パラメータのデータ群から統計的に予測することが現実的であり、精度向上にも繋がる。

一方、一般的に、蓄積された腐食量と各環境パラメータのデータ群の中に、長期間のデータは多くない。例えば腐食量を予測する任意の期間が数十年という長期間となる場合、期間を変数として予測に取り込んで直接腐食量を予測すると、任意の長期間の腐食量を、期間の離れたデータから予測することになるため、精度が低下してしまう。そこで、本発明では、金属材料の初期一年間の腐食量を示すパラメータＡと、さび層による腐食速度の減衰を示すパラメータＢとをそれぞれ分けて予測することにより、精度の向上を図った。

ここで、任意の期間における金属材料の腐食量に関わる主な環境パラメータとしては、例えば温度、相対湿度、絶対湿度、濡れ時間、降雨量、飛来塩分量、ＳＯ_Ｘ濃度およびＮＯ_Ｘ濃度等が挙げられる。これらの環境パラメータの中には、例えば図１に示した温度と腐食量との関係のように、非線形の関係を持つものが存在する。また、例えば図２に示した飛来塩分量とＳＯ_２濃度との関係のように、環境パラメータ同士が多重共線性を示すものも存在する。金属材料の腐食に影響を及ぼす環境パラメータが複数存在することに加えて、この二点が、任意の環境および期間における金属材料の腐食量を精度良く予測することを困難にしている要因となっている。

腐食量に対して環境パラメータが非線形の関係を持つものに関しては、予測をしたい任意の環境および期間との類似性により各サンプルに重み付けを行い、かつ局所的に重回帰分析を行うことで予測精度を改善することができる。なお、前記した「サンプル」とは、データベースに保存された腐食量および各環境パラメータのデータ群（後記する腐食量データ）のことを意味している。

また、環境パラメータ同士が多重共線性を持つことに関しては、各環境パラメータに対して独立性を有するパラメータに次元圧縮し、新たなパラメータを作り出すことにより解決することができる。そして、これらを同時に実現する手法の一つとして、以下の参考文献１に示す「局所重み付き部分最小二乗法（Ｌ−ＰＬＳ：Locally weighted partial least squares）」がある。

参考文献１：金尚弘、岡島亮太、加納学、長谷部伸治、「高精度な局所PLSモデル構築のためのサンプル選択」、第54回自動制御連合会講演会、54(2011)、p.1594

本発明では、各大気腐食環境における金属材料の初期一年間の腐食量を示すパラメータＡと、さび層による腐食速度の減衰を示すパラメータＢとを、予測要求点との類似性（類似度）をサンプルごとに求め、その類似度を利用して重み付けを行い、局所回帰することにより予測する手法を用いる。また、各環境パラメータを次元圧縮することにより新たなパラメータを作り出し（潜在変数の導出）、局所回帰の説明変数とする。またその際、類似度を利用した重み付けを用いた潜在変数と目的変数の内積が最大となるように潜在変数を決定し、局所的な重回帰を行う。以下、本発明の具体的な実施形態について、図面を参照しながら説明する。

（腐食量予測装置）
本発明の実施形態に係る金属材料の腐食量予測装置の構成について、図３を参照しながら説明する。腐食量予測装置１は、入力部１０と、データベース２０と、演算部３０と、表示部４０と、を備えている。

入力部１０は、例えばキーボード、マウスポインタ、テンキー等の入力装置によって実現される。後記するように、演算部３０には、この入力部１０を介して、後記する予測要求点が入力される。

データベース２０には、金属材料の腐食量の実績値である腐食量データが保存されている。腐食量データには、金属材料（例えば鉄鋼材料）の使用期間と、当該使用期間における金属材料の腐食量と、当該金属材料の使用環境における年平均の複数の環境パラメータと、が含まれる。また、「複数の環境パラメータ」には、温度（気温）と、相対湿度、絶対湿度、濡れ時間および降雨量のうちの少なくとも一つと、飛来塩分量、ＳＯ_Ｘ濃度およびＮＯ_Ｘ濃度のうちの少なくとも一つと、が含まれる。また、これらの環境パラメータは、例えば年平均のデータである。また、データベース２０には、鋼種ごとの腐食量データが保存されている。

演算部３０は、例えばＣＰＵ等によって実現され、類似度算出部３１と、次元圧縮部３２と、腐食量予測部３３と、を備えている。なお、類似度算出部３１、次元圧縮部３２および腐食量予測部３３の詳細については後記する。

表示部４０は、例えばＬＣＤディスプレイ、ＣＲＴディスプレイ等の表示装置によって実現され、演算部３０から入力される表示信号をもとに、金属材料の腐食量の予測結果を表示する。

（腐食量予測方法）
本発明の実施形態に係る金属材料の腐食量予測方法について、図４を参照しながら説明する。腐食量予測方法では、予測要求点入力ステップと、第一の類似度算出ステップと、第一の次元圧縮ステップと、初期腐食量予測ステップ（第一のパラメータ予測ステップ）と、第二の類似度算出ステップと、第二の次元圧縮ステップと、減衰予測ステップ（第二のパラメータ予測ステップ）と、長期腐食量予測ステップと、を行う。

予測要求点入力ステップでは、入力部１０を介して、演算部３０に予測要求点が入力される（ステップＳ１）。この予測要求点は、腐食量を予測したい金属材料の使用期間と、この使用期間内の金属材料の使用環境を示す、年平均の複数の環境パラメータと、を含んでいる。

続いて、第一の類似度算出ステップでは、類似度算出部３１によって、データベース２０に保存されている、使用期間が一年である金属材料の腐食量データにおける複数の環境パラメータと、予測要求点における複数の環境パラメータとの類似度を算出する（ステップＳ２）。本ステップにおいて、類似度算出部３１は、例えば後記する式（８）によって上記類似度を算出する。なお、本ステップの具体例については後記する実施例で説明する。

続いて、第一の次元圧縮ステップでは、次元圧縮部３２によって、第一の類似度算出ステップで算出された類似度を考慮して、腐食量データにおける複数の環境パラメータ（説明変数）を、潜在変数に次元圧縮する（ステップＳ３）。本ステップにおいて、次元圧縮部３２は、例えば後記する式（７）によって上記潜在変数を算出する。なお、本ステップの具体例については後記する実施例で説明する。

続いて、初期腐食量予測ステップでは、腐食量予測部３３によって、第一の次元圧縮ステップで算出された潜在変数、および第一の類似度算出ステップで算出された類似度を用いて構築した予測式に基づいて、予測要求点の環境パラメータ下における、金属材料の初期一年間の腐食量を予測する（ステップＳ４）。この金属材料の初期一年間の腐食量は、上記式（１）のパラメータＡ（第一のパラメータ）のことを意味している。本ステップにおいて、腐食量予測部３３は、例えば後記する式（１０）に示す予測式を構築し、この予測式に基づいて金属材料の初期一年間の腐食量を予測する。なお、本ステップの具体例については後記する実施例で説明する。

続いて、第二の類似度算出ステップでは、類似度算出部３１によって、腐食量を予測したい金属材料の使用期間を考慮して、金属材料の腐食量データにおける複数の環境パラメータと、予測要求点における複数の環境パラメータとの類似度を算出する（ステップＳ５）。本ステップにおいて、類似度算出部３１は、例えば後記する式（１３）によって上記類似度を算出する。なお、本ステップの具体例については後記する実施例で説明する。

続いて、第二の次元圧縮ステップでは、次元圧縮部３２によって、第二の類似度算出ステップで算出された類似度および腐食量を予測したい金属材料の使用期間を考慮して、腐食量データにおける複数の環境パラメータ（説明変数）を、潜在変数に次元圧縮する（ステップＳ６）。本ステップにおいて、次元圧縮部３２は、例えば後記する式（１２）によって上記潜在変数を算出する。なお、本ステップの具体例については後記する実施例で説明する。

続いて、減衰予測ステップでは、腐食量予測部３３によって、第二の次元圧縮ステップで算出された潜在変数、および第二の類似度算出ステップで算出された類似度を用いて構築した予測式に基づいて、金属材料の腐食速度の減衰を示すパラメータを予測する（ステップＳ７）。この金属材料の腐食速度の減衰を示すパラメータは、上記式（１）のパラメータＢ（第二のパラメータ）のことを意味している。本ステップにおいて、腐食量予測部３３は、例えば後記する式（１６）に示す予測式を構築し、この予測式に基づいて金属材料の腐食速度の減衰を示すパラメータを予測する。なお、本ステップの具体例については後記する実施例で説明する。

続いて、長期腐食量予測ステップでは、金属材料の使用期間と、初期腐食量予測ステップで算出されたパラメータＡと、減衰予測ステップで算出されたパラメータＢと、に基づいて金属材料の一年よりも長い期間の腐食量（長期腐食量）を予測する（ステップＳ８）。本ステップにおいて、腐食量予測部３３は、上記式（１）に基づいて上記長期腐食量を予測する。なお、本ステップの具体例については後記する実施例で説明する。

以上のように、本実施形態に係る腐食量予測装置１を用いた金属材料の腐食量予測方法によれば、大気腐食環境において、金属材料の長期腐食予測を精度高く行うことができ、使用環境に応じた最適な金属材料を選定することが可能となる。

また、従来技術、例えば特許文献１〜５のように説明変数として採用する環境パラメータを選定して定式化してしまうと、ある地域では予測精度が高いが、ある地域では予測精度が低い、というように腐食量を予測しようとする地域によって予測精度に差が生じてしまう。一方、本実施形態に係る金属材料の腐食予測方法によれば、データベース２０内に、腐食量を予測しようとする地域のものと類似する腐食量データがあれば予測可能であるため、どのような地域であっても金属材料の腐食量を精度高く予測することができる。

（実施例１）
以下、実施例を挙げて本発明をより詳細に説明する。本実施例では、雨掛環境における炭素鋼の年間腐食量（初期一年間の腐食量）を予測した。ここで、本実施例の内容は、前記した腐食量予測方法のうち、予測要求点入力ステップ、第一の類似度算出ステップ、第一の次元圧縮ステップおよび初期腐食量予測ステップに相当する。

本実施例では、データベースに保存されている、世界各地の７０地域における炭素鋼の年間腐食量と年平均の各環境パラメータのデータ群（腐食量データ）を用いて、年間腐食量の予測を行った。予測精度の検証は、交差検証（Cross-validation）を用い、相対平均二乗誤差（ｒＲＭＳＥ：relative root means square of error）の比較によって行った。また、比較例として、非特許文献１のＩＳＯ９２２３に示された「Dose-response function」を用いて年間腐食量の予測を行った。

「Dose-response function」は、温度（℃）、相対湿度（％）、飛来塩分量（ｍｍｄ（Ｃｌ⁻換算））、ＳＯ_２濃度（ｍｍｄ（ＳＯ_２換算））、の四つの環境パラメータから腐食量を算出する式である。ここで、前記した「ｍｍｄ」は、単位日数および単位面積あたりに捕集されたＣｌ⁻またはＳＯ_２の量であり、「ｍｇ・ｍ^−２・ｄａｙ^−１」の略である。本発明例による予測においても同様の四つの環境パラメータを用いた。ここで、前記したように、説明変数同士が相関を持つ場合、多重共線性によって予測精度が悪化することが知られている。前記したＬ−ＰＬＳでは、説明変数として使用する各環境パラメータが相関を持っているため、次元圧縮によって相関を排除し、新たなパラメータ（潜在変数）を作成する。ここで、Ｌ−ＰＬＳは、前記した参考文献１に示された手順に従って計算している。四つの環境パラメータを潜在変数（パラメータｔ）に圧縮するための式は、下記式（７）のように示すことができる。

ここで、上記式（７）において、Ｔは温度（℃）、ＲＨは相対湿度（％）、Ｃｌは飛来塩分量（ｍｇ／ｍ^２／ｄａｙ（＝ｍｍｄ）（Ｃｌ⁻換算））、ＳＯ２はＳＯ_２濃度（ｍｇ／ｍ^２／ｄａｙ（＝ｍｍｄ）（ＳＯ_２換算））、ｗ_１〜ｗ_４は係数、である。なお、上記式（７）では、一例として四つの環境パラメータのみを用いているが、実際には、腐食量の予測をしようとする地域において腐食に関係することが予想される環境パラメータについては全て含めることが好ましい。

本発明例では、まず腐食量を予測したい炭素鋼の使用期間と、この使用期間内の炭素鋼の使用環境を示す年平均の複数の環境パラメータと、を含む予測要求点を、腐食量予測装置の演算部に入力した（図４の「予測点入力ステップ」）。

続いて、腐食量を求めたい予測要求点の環境パラメータと、腐食量の予測のために参照する腐食量データの環境パラメータｉの類似度ω_ｉを、下記式（８）に示すようなユークリッド距離を用いて算出した（図４の「第一の類似度算出ステップ」）。なお、各環境パラメータによってデータの広がりが異なるため、数値は正規化を実施した。

ここで、ω_ｉは局所化パラメータ、右下の添え字がｑの環境パラメータは腐食量を予測したい予測要求点の環境パラメータ、右下の添え字がｉの環境パラメータはデータベースから参照した腐食量データの環境パラメータ、σは下記式（９）の標準偏差である。また、φは調整パラメータであり、例えばφ＝１を基準として適宜に調整して値は決定される。

続いて、上記式（８）で算出した類似度ω_ｉと、腐食量データの環境パラメータおよび腐食量から、参考文献１（２．１章）に示された手順に従って、類似度ω_ｉを重みとして係った潜在変数と目的変数（腐食量）の内積が最大となるように、上記式（７）の係数ｗ_１〜ｗ_４を決定した。そして、決定した係数ｗ_１〜ｗ_４を用いて、上記式（７）によって各環境パラメータの潜在変数を算出した（図４の「第一の次元圧縮ステップ」）。

続いて、下記式（１０）に示す腐食量の予測式を局所回帰によって構築し、下記式（１０）に基づいて、予測要求点の環境パラメータ下における炭素鋼の年間腐食量（初期一年間の腐食量）を予測した（図４の「初期腐食量予測ステップ」）。

ここで、Ｙは腐食量の予測値、αは係数（回帰係数）である。なお、上記式（１０）では記載を省略したが、上記式（１０）に定数項を含ませたり、あるいは複数の潜在変数を用いることも可能である。

このように、本発明例では、腐食量を予測したい予測要求点が入力されるたびに、予測要求点と各腐食量データとの類似度の算出、潜在変数の係数の算出、予測式の構築を行う。

比較例（Dose-response function）による腐食量の予測結果を図５に、本発明例による腐食量の予測結果を図６に示す。同図に示すように、比較例ではｒＲＭＳＥが０．４０であるのに対して、本発明例ではｒＲＭＳＥが０．１８となった。従って、本発明の手法を用いることにより、従来の手法と比較して腐食量の予測誤差を半分以下に改善することができた。

（実施例２）
本実施例では、軒下環境における炭素鋼の長期（９年）腐食量を予測した。ここで、本実施例の内容は、前記した腐食量予測方法の全ステップに相当する。

本実施例では、軒下環境を対象として、データベースに保存されている、世界５５地域の１年間、５５地域の３年間、３９地域の５年間、３８地域の７年間、３８地域の９年間の腐食量と年平均の各環境パラメータのデータ群（腐食量データ）を用いて、実施例１と同様の手法で、ＪＩＳ耐候性鋼について、初期一年間の腐食量を示すパラメータＡ（上記式（１）参照）を算出した（図４の予測要求点入力ステップ、第一の類似度算出ステップ、第一の次元圧縮ステップおよび初期腐食量予測ステップ）。

続いて、７年間の長期腐食試験結果に重み付けをし、さび層による腐食速度の減衰を示すパラメータＢを算出し、上記式（１）によりＪＩＳ耐候性鋼の９年後の腐食量を予測した。９年後の腐食量の予測では、まず上記式（１）を下記式（１１）に示すように変形し、パラメータＢおよび使用期間Ｘを用いて左辺の初期一年間の腐食量の対数から９年後の腐食量の対数の差を算出した。

上記式（１１）の左辺の予測にはＬ−ＰＬＳを用いる。具体的には、四つの環境パラメータと使用期間Ｘの対数の積を取ることにより、時間因子を考慮した新たな環境パラメータを作成し、これらの新たな環境パラメータを、下記式（１２）に示すように潜在変数（パラメータｕ）に圧縮する。

ここで、上記式（１２）において、Ｔは温度（℃）、ＲＨは相対湿度（％）、Ｃｌは飛来塩分量（ｍｇ／ｍ^２／ｄａｙ（＝ｍｍｄ）（Ｃｌ⁻換算））、ＳＯ２はＳＯ_２濃度（ｍｇ／ｍ^２／ｄａｙ（＝ｍｍｄ）（ＳＯ_２換算））、ｖ_１〜ｖ_４は係数、である。

続いて、腐食量を求めたい予測要求点の環境パラメータと、腐食量の予測のために参照する腐食量データの環境パラメータｉの類似度ω_ｉを、下記式（１３）に示すようなユークリッド距離を用いて算出した（図４の「第二の類似度算出ステップ」）。なお、各環境パラメータによってデータの広がりが異なるため、数値は正規化を実施した。

ここで、ω_ｉは局所化パラメータ、右下の添え字がｑの環境パラメータは腐食量を予測したい予測要求点の環境パラメータ、右下の添え字がｉの環境パラメータはデータベースから参照した腐食量データの環境パラメータ、σは下記式（１４）の標準偏差である。また、φは調整パラメータであり、例えばφ＝１を基準として適宜に調整して値は決定される。

続いて、上記式（１３）で算出した類似度ω_ｉと、腐食量データの環境パラメータおよび腐食量から、参考文献１（２．１章）に示された手順に従って、類似度ω_ｉを重みとして係った潜在変数と目的変数（腐食量）の内積が最大となるように、上記式（１２）の係数ｖ_１〜ｖ_４を決定した。そして、決定した係数ｖ_１〜ｖ_４を用いて、上記式（７）によって各環境パラメータの潜在変数を算出した（図４の「第二の次元圧縮ステップ」）。

続いて、下記式（１５）に示す腐食量の予測式を局所回帰によって構築し、予測したい環境パラメータにおける腐食量の対数の差を算出した。

ここで、上記式（１５）において、βは係数（回帰係数）である。なお、上記式（１５）では記載を省略したが、上記式（１５）に定数項を含ませたり、あるいは複数の潜在変数を用いることも可能である。

このように、本発明例では、腐食量を予測したい予測要求点が入力されるたびに、予測要求点と各腐食量データとの類似度の算出、潜在変数の係数の算出、予測式の構築を行う。

続いて、上記式（１２）および上記式（１５）に基づいて、上記式（１１）のパラメータＢを、下記式（１６）によって算出した（図４の「減衰予測ステップ」）。

続いて、算出したパラメータＡおよびパラメータＢを用いて、上記式（１）により９年後の腐食量Ｙを算出した（図４の長期腐食量予測ステップ）。そして、実施例１と同様に、交差検証（Cross-validation）を用い、相対平均二乗誤差（ｒＲＭＳＥ：relative root means square of error）の比較によって予測精度の検証を行った。

本発明例による腐食量の予測結果を図７に示す。同図に示すように、本発明例では、９年という長期腐食量も、実施例１と同程度の誤差（ｒＲＭＳＥ：０．１９）となり、精度良く予測可能であった。また、精度検証は不可能であるが、本発明例を用いることにより、データベースに保存されていない長期腐食量も予測可能である。参考までに、５０年後の腐食量の予測値を、各環境パラメータとともに表１に示す。

（実施例３）
実施例３では、本発明によって鉄鋼材料の長期腐食量を予測した後に、長期腐食量およびコストの観点から、橋梁分野における最適な鉄鋼材料を選定した。

鉄鋼材料を適用する地域１〜３の各環境パラメータ（温度、相対湿度、飛来塩分量およびＳＯ_２濃度）を表２に示す。同表に示した環境において、表３に示した化学成分を有する「ＪＩＳ Ｇ ３１１４」で規定された耐候性鋼および鋼種Ａ，Ｂに対して、本発明を用いて、５０年後の腐食量の予測を行った。この「５０年」という期間は、橋梁において許容される腐食量の基準が「５０年後に０．３ｍｍ以下」とする規定に基づいている。

本発明による５０年後の腐食量の予測を表４に示す。同表に示すように、腐食量は、ＪＩＳ耐候性鋼＞鋼種Ａ＞鋼種Ｂの順に小さくなるため、単純に耐食性の観点から考えると、鋼種Ｂを使用することが最も望ましい。一方、同表に示すように、各鉄鋼材料を使用する際のコストは、鋼種Ｂ＞鋼種Ａ＞ＪＩＳ耐候性鋼の順に小さくなる。

そのため、耐食性とコストの両方を考慮すると、例えば地域１では、腐食の基準（０．３ｍｍ以下）を満たし、かつコストの最も安い鋼種Ａを使用することが最も好ましいことが分かる。また、地域２では、腐食の基準を唯一満たす鋼種Ｂを使用することが最も好ましいことが分かる。また、地域３では、どの鉄鋼材料も腐食の基準を満たしていないため、例えば塗装等、その他の防食措置を施す必要があることが分かる。このように、本発明に係る腐食量予測方法を用いることにより、使用環境に応じた最適な金属材料を選定することが可能となる。

以上、本発明に係る金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置について、発明を実施するための形態および実施例により具体的に説明したが、本発明の趣旨はこれらの記載に限定されるものではなく、請求の範囲の記載に基づいて広く解釈されなければならない。また、これらの記載に基づいて種々変更、改変等したものも本発明の趣旨に含まれることはいうまでもない。

ここで、前記した実施形態では、金属材料の初期一年間の腐食量（パラメータＡ）と、金属材料の腐食速度の減衰を示すパラメータ（パラメータＢ）とをそれぞれ分けて予測し、初期一年間の腐食量を基準として長期腐食量を予測していたが、長期腐食量を予測する際の基準は初期一年間の腐食量には限定されない。

すなわち、初期腐食量予測ステップにおいて、予め定める任意の所定期間（初期期間）における金属材料の腐食量を予測し、長期腐食量予測ステップにおいて、前記した所定期間の腐食量を基準として長期腐食量を予測してもよい。

例えば初期腐食量として１．５年の腐食量がＡ’として与えられた場合、そこからＸ年後の腐食量の予測式は、上記式（１）を拡張して、下記式（１７）のように記述可能と考えられる。

これを一般化すれば、ある初期期間Ｘ_０年の腐食量をＡ’、Ｘ_０年を基準とした減衰パラメータをＢ’として、下記式（１８）を得ることができる。この式（１８）を用いることにより、Ｘ_０年間を基準とした腐食量として、Ｘ＞Ｘ_０の期間の腐食量を算出することができる。

金属材料の任意の初期期間の腐食量Ａ’と、減衰パラメータＢ’とをそれぞれ分けて予測し、上記式（１８）に示すように、初期期間以降の経過年数Ｘ’を減衰パラメータＢ’で累乗することにより、初期期間以降の長期腐食量を予測することができる。但し、上記式（１）の初期腐食量Ａは、１年間の腐食量を前提としている。そのため、上記式（１８）のＸ_０の期間は、１年間から大きくずれた場合は想定しておらず、半年間から２年間程度であることが現実的な実用範囲と考えられる。

１ 腐食量予測装置
１０ 入力部
２０ データベース
３０ 演算部
３１ 類似度算出部
３２ 次元圧縮部
３３ 腐食量予測部
４０ 表示部

Claims (8)

1. 金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、前記使用期間における前記金属材料の腐食量と、を含む腐食量データを用いて金属材料の腐食量を予測する金属材料の腐食量予測方法であって、
   腐食量を予測したい前記金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、を含む予測要求点を入力する予測要求点入力ステップと、
   前記腐食量データにおける複数の環境パラメータと、前記予測要求点における複数の環境パラメータとの類似度を算出する類似度算出ステップと、
   前記類似度を考慮して、前記腐食量データにおける複数の環境パラメータを、潜在変数に次元圧縮する次元圧縮ステップと、
   前記潜在変数および前記類似度を用いて構築した予測式に基づいて、前記予測要求点における前記金属材料の腐食量を予測する腐食量予測ステップと、
   を含むことを特徴とする金属材料の腐食量予測方法。
2. 前記腐食量予測ステップは、
   前記金属材料の所定期間の腐食量を示す第一のパラメータを予測する初期腐食量予測ステップと、
   前記金属材料の腐食速度の減衰を示す第二のパラメータを予測する減衰予測ステップと、
   前記金属材料の使用期間と、前記第一のパラメータと、前記第二のパラメータと、に基づいて前記金属材料の前記所定期間よりも長い期間の腐食量を予測する長期腐食量予測ステップと、
   を含むことを特徴とする請求項１に記載の金属材料の腐食量予測方法。
3. 前記初期腐食量予測ステップは、前記潜在変数および前記類似度を用いて構築した予測式に基づいて、前記予測要求点の環境パラメータ下における、前記金属材料の所定期間の腐食量を予測することを特徴とする請求項２に記載の金属材料の腐食量予測方法。
4. 前記減衰予測ステップは、腐食量を予測したい前記金属材料の使用期間と、前記腐食量データにおける複数の環境パラメータと、前記類似度とに基づいて、前記第二のパラメータを予測することを特徴とする請求項２に記載の金属材料の腐食量予測方法。
5. 前記複数の環境パラメータは、温度と、相対湿度、絶対湿度、濡れ時間および降雨量のうちの少なくとも一つと、飛来塩分量、ＳＯ_Ｘ濃度およびＮＯ_Ｘ濃度のうちの少なくとも一つと、を含むことを特徴とする請求項１から請求項４のいずれか一項に記載の金属材料の腐食量予測方法。
6. 前記金属材料は、鉄鋼材料であることを特徴とする請求項１から請求項４のいずれか一項に記載の金属材料の腐食量予測方法。
7. 請求項１から請求項４のいずれか一項に記載の金属材料の腐食量予測方法を用いて、使用環境に応じた金属材料を選定することを特徴とする金属材料の選定方法。
8. 金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、前記使用期間における前記金属材料の腐食量と、を含む腐食量データが保存されるデータベースと、
   腐食量を予測したい前記金属材料の使用期間と、前記使用期間内の前記金属材料の使用環境を示す複数の環境パラメータと、を含む予測要求点が入力される入力部と、
   前記腐食量データにおける複数の環境パラメータと、前記予測要求点における複数の環境パラメータとの類似度を算出する類似度算出部と、
   前記類似度を考慮して、前記腐食量データにおける複数の環境パラメータを、潜在変数に次元圧縮する次元圧縮部と、
   前記潜在変数および前記類似度を用いて構築した予測式に基づいて、前記予測要求点における前記金属材料の腐食量を予測する腐食量予測部と、
   を備えることを特徴とする金属材料の腐食量予測装置。