发明内容

(1)本发明的目的：

本发明的目的是提供一种考虑自然环境动态特性的金属大气腐蚀预测方法，它针对金属的大气腐蚀问题，考虑自然环境的动态性、相关性和随机性特点，建立大气自然环境模型，准确地描述大气自然环境因素；同时，针对影响金属大气腐蚀过程的主要环境因素，建立综合环境因素腐蚀影响规律模型，全面地反映大气自然环境的腐蚀影响规律，进而，综合自然环境模型与影响规律模型，形成动态大气自然环境条件下的腐蚀预测模型，科学地预测腐蚀性能变化规律。

(2)技术方案：

本发明需建立如下基本设置：

设置1：本发明内容主要针对金属材料的大气腐蚀问题，主要环境影响因素包括大气温度、相对湿度、以及污染物浓度，其他环境因素如降雨、辐照、风速等的影响暂不考虑；

设置2：本发明暂不考虑不同环境因素共同作用产生的交互效应，因此环境因素的影响规律模型不包含交互项；

设置3：温度、相对湿度、以及污染物(二氧化硫和氯离子)的腐蚀影响规律分别由阿伦尼斯(Arrhenius)模型、佩克(Peck)模型、以及剂量-响应模型进行描述，详细模型形式见步骤一；

设置4：综合环境因素模型可通过各环境因素的模型进行综合，或采用通用的广义线性、广义对数线性、以及广义艾琳(Eyring)模型进行建立，详细模型形式见步骤一；

上述阿伦尼斯(Arrhenius)模型，为瑞典的阿伦尼乌斯在1889年所创立，用于描述温度的加速规律的经验公式；佩克(Peck)模型为遵从幂函数形式，用于描述湿度的加速规律的经验公式；广义艾琳(Eyring)模型为综合考虑包括温度在内的多个环境因素的加速规律的经验公式；

本发明提出的方法主要包括大气腐蚀环境影响规律建模与参数估计、大气自然环境建模与参数估计、以及使用环境大气腐蚀建模与预测三方面的研究内容，基于上述基本设置，本发明所提出的一种考虑自然环境动态特性的金属大气腐蚀预测方法，其特征在于：它通过如下步骤实现：

步骤一：建立大气腐蚀的环境影响规律模型

首先，基于金属材料的实际使用环境，确定其主要的影响因素，接下来，对选取的环境因素分别建立其腐蚀影响规律模型，在此基础上，综合考虑各因素的共同作用，建立综合环境因素影响规律模型；

具体步骤为：

I.确定关键环境影响因素

一般而言，除温度与相对湿度外，还需要根据大气类型确定是否需要考虑大气污染物的影响；若为工业大气环境，则需考虑二氧化硫的影响，若为海洋大气环境，则需考虑氯离子的影响，若同时具有工业大气与海洋大气特点，则需同时考虑二氧化硫与氯离子的共同影响，若为乡村大气环境，则不考虑大气污染物的影响，具体可根据下述进行选取；

II.建立各环境因素的影响规律模型

对于相对湿度，其影响规律模型为佩克(Peck)模型：

r(RH)＝a·RH^b (1)

其中，r(RH)为腐蚀速率，RH为环境的相对湿度(％)，a和b为常数；

对于温度，其影响规律模型为阿伦尼斯(Arrhenius)模型：

其中，r(T)为腐蚀速率，T是环境温度(K)，d为常数，e＝E_a/K，E_a为反应活化能，可由试验数据估计得到，K为玻尔兹曼常数；

对于二氧化硫浓度，其影响规律模型为剂量-响应模型：

r(S)＝(1+f·S)^g (3)

其中，r(S)为腐蚀速率，S为二氧化硫浓度(μg.m^-3)，f和g为常数；

对于氯离子沉积率浓度，其影响规律模型同样为剂量-响应模型：

r(Cl)＝(1+h·Cl)^k (4)

其中，r(Cl)为腐蚀速率，Cl为氯离子沉积率(mg.m^-2.day^-1)，h和k为常数；

III.建立综合环境影响规律模型

可将上述各环境因素的影响规律模型相乘，建立综合环境影响规律模型，其形式如下：

r(RH,T,S,Cl)＝r(RH)·r(T)·r(S)·r(Cl) (5)

公式(5)是计算各环境因素对大气腐蚀综合影响的基本形式，可以对其进行扩展以包含更多的环境因素的影响，如风速或太阳辐射等；同时，考虑到不同情形下可能出现的特定状况，仅用式(5)建立模型的准确性无法得到保证，因此，也可用采用如下两个模型：

广义对数线性模型：

r(RH,T,S,Cl)＝a·exp(b·RH+e·T+f·SO₂+h·Cl) (6)

广义Eyring模型：

式(5)-(7)为通用模型，当还需要考虑其他环境因素的影响时，可采用相同的方法将其影响规律包含在模型当中；

步骤二：大气腐蚀的环境影响规律模型参数估计与选择

在建立了综合环境模型后，需对模型参数进行估计，从而确定其定量影响规律，同时，还需从备选的模型中选出最优的模型，其选择依据为由赤池信息准则(AIC)、更正的赤池信息准则(AIC_C)、贝叶斯信息准则(BIC)确定的模型信息量；

其中，AIC、AIC_C、BIC均为衡量统计模型拟合优良性的标准；AIC准则为日本统计学家赤池弘次创立和发展的，因此又称为赤池信息量准则；AIC_C准则在AIC的基础上进行了改进，可有效避免小样本情形下的估计误差；BIC准则称为贝叶斯信息准则，相比于AIC，可有效避免在大样本情形下的过拟合问题；

其具体步骤为：

I.模型参数估计

式(5)-(7)的模型形式较为简单，其参数估计方式可采用广义线性回归或极大似然方法进行；该步骤可通过MATLAB软件直接实现，十分简便，在此不作展开；(其中，所述“MATLAB软件”是美国MathWorks公司出品的商业数学软件，用于数据分析)；

II.模型选择

综合考虑模型拟合精度与模型复杂性，采用信息量大小判定最优模型；可采用的信息量包括AIC，AIC_C和BIC三种，其具体计算公式为：

其中，M为模型中的参数个数，N是拟合参数时的样本量，即试验数据的个数，RSS为残差平方和，S_I和S_I′分别为第I(I＝1,2,…,N)个试验测量值和模型预测值；

AIC，AIC_C和BIC是一类综合考虑模型复杂程度和模型预测精度的统计量，在进行模型选择时，以AIC、AIC_C或BIC值最小的模型作为最优的模型；

步骤三：建立考虑动态、相关、随机特性的大气自然环境模型

以温度、湿度、二氧化硫浓度为例，在实际的自然环境中，这些环境因素均动态变化，且具有周期波动特性和随机波动特性；为了准确描述这种既包含周期性又包含随机性的动态变化特点，建立以下的时变函数模型

其中，ξ(t)＝(T(t),RH(t),S(t))表示时刻t的环境温度、相对湿度和二氧化硫浓度，A₀＝[A_T0,A_RH0,A_S0]为常数，用于描述的季节性变化特征；A₁＝[A_T1,A_RH1,A_S1]为年波动幅值，τ₁＝[τ_T1,τ_RH1,τ_S1]和为波动周期和相位；用于描述日变化情况；ε(t)＝[ε_T(t),ε_RH(t),ε_S(t)]为随机波动项，服从特定的统计分布；通常情况下，ε(t)服从均值为0，方差为σ²(t)的正态分布，即ε(t)～N(0,σ²(t))；

由于日波动项和年波动项是均值为0的周期三角函数，因此，各环境因素的均值为

通过对不同城市的大量环境数据分析发现，温度和湿度的随机波动项可用正态分布准确描述，而二氧化硫浓度的随机波动项则可用对数正态分布进行描述，具体可表示为

其中，和分别表示温度和相对湿度在t时刻随机波动项的分布方差，θ_S(t)，η_S(t)是t时刻二氧化硫浓度对数正态分布的参数；

对于温度和相对湿度，对于二氧化硫

分析发现，有些地点的二氧化硫浓度的随机波动项可用指数分布进行描述，即

ε_S(t)～E(λ_S(t),ζ_S(t)) (16)

λ_S(t)和ζ_S(t)分别是t时刻二氧化硫浓度指数分布的率参数和位置参数，则

步骤四：环境模型参数估计与模型验证

在步骤三中，不同的环境因素其随机项ε(t)符合的统计分布不同；首先，根据ε(t)的不同特点，对环境模型参数进行估计，进而，用拟合模型生成模型数据，与原始观测数据进行对比，验证模型的准确性；其具体步骤如下：

I.环境模型参数估计

对于温度与相对湿度而言，温度的季节性变化与地球的公转密切相关，而昼夜变化则取决于地球的自转，因此τ₁＝1，τ₂＝1/365；而对大量的温度观测数据的分析发现，年最低气温一般出现在每年一月中旬，一日最低气温一般出现在凌晨两点左右，因此，ε(t)符合正态分布，公式(1)中的其他参数可用以下几步进行计算：

i)计算年均温度则

ii)将所有温度数据以每个月为准分为十二组，计算每月的平均温度T₁,T₂,…,T₁₂，则

iii)计算一年之中的日均昼夜温差T′，则A_T2＝T′；

iv)将上述三步计算得到的参数值带入模型，生成与原始数据记录时间一一对应的、不带随机项的模拟数据，将原始数据减去模拟数据后，对剩下的数据仍然以每个月为准分为十二组，从而得到ε_T(t)，计算每组的方差

v)拟合方差与时间t的关系；

对于二氧化硫与氯离子沉积率而言，则环境模型参数可通过如下几个步骤进行估计:

在冬季，由于取暖等原因，化石燃料燃烧量巨大，排放出的二氧化硫也随之增加，在夏季，化石燃料燃烧量较少，二氧化硫排放量随之减少，分析发现，一年当中二氧化硫浓度最高值大约出现在二月初，因此τ_z1＝365，同时，每一天的二氧化硫浓度变化有两个高峰两个低谷，其两个高峰大约出现每日早9:00和晚21:00左右，这与每日城市中早晚高峰的时间基本吻合，期间机动车排放二氧化硫量较多，而在其他时间相对较少，因此，τ_z2＝0.5，去除二氧化硫浓度数据中的年变化和日变化部分，发现其随机变化部分即ε(t)符合指数分布，且当二氧化硫浓度的日均值越大，日变化幅值和随机变化部分的波动也越大，因此日变化项A_z2(t)和ε_z(t)均随时间变化，假设A_z2(t)和ε_z(t)均和日均值成正比，则公式(12)中的其他参数可用蒙特卡罗方法进行估计，具体步骤为：

i)计算二氧化硫的年均值，并记为

ii)将二氧化硫的最大值和最小值分别记为z_min和z_max；

iii)生成一个服从均匀分布的随机数并将该值赋予A_z0作为蒙特卡罗方法计算的初始值，然后令

iv)将上一步得到的各个参数A_z1，A_z2(t)，λ_z(t)带入时变函数模型中，生成二氧化硫浓度数据的模拟值N个，N等于进行建模的二氧化硫浓度数据的总个数，统计这些数据分别落入[z_min,z₁],…,(z_i-1,z_i],…,(z_k-1,z_max]这k个区间的个数，并计算统计量χ²

其中，n_i和n_i′分别为模拟数据和实际观测数据落入第i个区间(z_i-1,z_i]的个数；

v)重复步骤三到步骤四m次，直到χ²值取得满足精度要求的最小值，此时所对应的即为A_z0的估计值，将A_z0带入第三步的公式中，可得到A_z1，A_z2(t)，λ_z(t)的估计值；

II.环境模型验证

具体步骤如下：

i)将参数估计结果带入模型中，以每三小时的间隔模拟产生一年的环境数据；

ii)拟合模拟数据与原始数据的概率密度函数(PDF)，并分别记为p_o和p_s；

iii)通过如下公式，计算模型拟合误差η：

其中，ξ_L和ξ_U分别为环境因素ξ分布的下限和上限值；

iv)若η<20％，则模型通过验证，若>20％，则该方法不适用；

步骤五：建立使用环境环境条件下的腐蚀预测模型

利用步骤一到步骤四中得到的环境影响规律模型和自然环境模型，可建立如下的腐蚀预测模型：

其中，C(τ)为到时刻τ的腐蚀失重，r(·)为腐蚀影响规律模型，ξ(t)＝[T(t),RH(t),S(t),Cl(t)]为环境因素在t时刻的值，θ＝[a,b,…,h]为腐蚀影响规律模型参数；

为验证模型预测结果的准确性，利用环境因素的原始观测数据计算腐蚀失重的真实值C_A(τ)，计算公式如下：

其中，i为观测值按时间先后顺序的排序，n_τ为由0到τ时间内观测数据的总个数；

进而，计算预测值与真实值的相对误差γ，作为判定模型预测精度的依据，公式为：

通过以上步骤能看出本发明综合地考虑了大气自然环境下多环境因素的腐蚀影响规律，结合信息准则可建立最优的腐蚀影响规律模型，因素更加全面，模型更加准确；本发明建立的大气自然环境模型充分考虑了环境动态性、相关性以及随机性的实际特点，自然环境信息更加丰富，建模结果更加准确，建立的腐蚀预测方法与实际使用环境更加接近，方法科学，工艺性好，能推广应用于不同的环境条件中，具有较高的理论和应用价值。

(3)优点和功效：

本发明为一种考虑自然环境动态特性的金属大气腐蚀预测方法，即一种考虑自然环境动态、相关、随机特性的金属大气腐蚀预测方法，其优点是：

①本发明综合地考虑了大气自然环境下多环境因素的腐蚀影响规律，结合信息准则可建立最优的腐蚀影响规律模型，因素更加全面，模型更加准确；

②本发明建立的大气自然环境模型充分考虑了环境动态性、相关性以及随机性的实际特点，自然环境信息更加丰富，建模结果更加准确；

③本发明建立的腐蚀预测方法与实际使用环境更加接近，方法科学，工艺性好，

且可推广应用于不同的环境条件中，具有较高的理论和应用价值；