大氣環(huán)境腐蝕對基礎(chǔ)設(shè)施、交通、能源等諸多行業(yè)的影響廣泛，每年全球因腐蝕造成的損失高達數(shù)萬億美元。大氣腐蝕過程極其復(fù)雜，受多種高度動態(tài)的環(huán)境因素及其耦合作用影響，難以基于傳統(tǒng)物理模型實現(xiàn)準確的建模分析與預(yù)測仿真。針對這一問題，國家材料腐蝕與防護科學(xué)數(shù)據(jù)中心利用腐蝕大數(shù)據(jù)傳感器監(jiān)測腐蝕動態(tài)過程，在收集海量腐蝕數(shù)據(jù)及耦合環(huán)境數(shù)據(jù)基礎(chǔ)上，利用機器學(xué)習(xí)建模方法深入挖掘腐蝕行為與環(huán)境因素的復(fù)雜作用關(guān)系。

結(jié)合長周期腐蝕野外觀測實驗數(shù)據(jù)與全國800余個城市的氣象數(shù)據(jù)，開展數(shù)據(jù)降維映射與機器學(xué)習(xí)建模研究，繪制了常用金屬、高分子材料和有機涂層材料大氣環(huán)境腐蝕老化失效預(yù)測地圖。研發(fā)了系列化的腐蝕監(jiān)測傳感器產(chǎn)品，開展典型自然環(huán)境和工業(yè)應(yīng)用場景的高通量腐蝕監(jiān)測，基于隨機森林等相關(guān)性-因果性機器學(xué)習(xí)方法，高效處理海量腐蝕監(jiān)測大數(shù)據(jù)，建立模擬腐蝕萌生發(fā)展動力學(xué)過程的隨機森林迭代模型，實現(xiàn)多環(huán)境動態(tài)耦合作用下大氣腐蝕的實時精準預(yù)測。同時通過腐蝕大數(shù)據(jù)采集與分析結(jié)果，對已有大數(shù)據(jù)分析技術(shù)進行總結(jié)和改進，提出了基于隨機森林模型的關(guān)鍵環(huán)境因子識別和數(shù)據(jù)降維方法，優(yōu)化大氣腐蝕預(yù)測的機器學(xué)習(xí)模型。與最大信息系數(shù)（MIC）和主成分分析（PCA）相比，在支持向量回歸（SVR）建模之前，通過結(jié)合隨機森林（RF）和Spearman相關(guān)分析的混合方法降低數(shù)據(jù)集的維數(shù)。采用混合方法識別的關(guān)鍵環(huán)境因子作為輸入?yún)?shù)，SVR模型比MIC和PCA降維模型具有更高的精度，降維也顯著提高了SVR模型的準確性和泛化性。

研究成果已申請授權(quán)國家發(fā)明專利55項，制定國家標準3項，參編國家標準2項，行業(yè)標準65項。獲國家科技進步獎二等獎，各類省部級獎勵12項等。

圖1為天宮一號提供腐蝕安全性能評估服務(wù)

圖2為“一帶一路”中馬友誼大橋、“冬奧大跳臺”耐蝕新品種等國家重點工程項目提供支持