变电站的安全运行是电力系统安全可靠运行的重要保障，由于接地网导体使用材料大多为碳钢，常年埋在地下，因腐蚀而使接地性能劣化，严重时影响电网的安全运行。因此，探索在不开挖、不断电的情况下检测接地网腐蚀状况，对于接地网腐蚀研究具有重要意义。论文以变电站接地网在土壤环境中近几年的腐蚀数据为研究对象，对接地网腐蚀规律及预测模型进行了研究。其主要工作如下：首先，通过现场实测，建立了土壤腐蚀数据库；为了寻找各腐蚀因素与腐蚀速率的关系，对土壤腐蚀样本数据进行了相关性分析；介绍了主元分析法的原理及实现步骤，对土壤腐蚀数据采用主元分析法预处理，消除了指标间的相关性，降低了维数，便于模型建立。其次，针对接地网腐蚀数据的小样本问题，建立了一种非参数集群分类模型。采取自助法(Bootstrap)产生自举子集，结合非参数方法—KNN分类法和Adaboost法，对所有自举子集建立多个弱分类器，并集群成强分类器。实验结果表明，该分类器适用于接地网腐蚀等级划分。接着，利用BP神经网络、支持向量机和模糊类比方法分别建立了接地网腐蚀速率预测模型。针对神经网络“过拟合”现象，结合交叉验证法，提出了BP神经网络渐进优化算法，改善了其泛化能力；提出了一种将聚类分析(K opt-均值算法)与支持向量回归(SVR)两种智能算法相结合的结构，确定了最佳聚类数，将输入样本集划分为特征更为相似的类簇，分别训练建立接地网腐蚀因素SVR模型；从模糊数学角度出发确定了隶属度函数和贴近度，建立了接地网腐蚀速率的模糊类比预测模型。并分别对三种预测模型进行实验验证，对比分析表明，三种预测模型各有优缺点，构造的模糊类比模型预测结果优于前两种模型。最后，将Visual Studio C#和MATLAB语言相结合，开发了接地网腐蚀预测应用软件，实现了数据导入、模型建立和腐蚀速率预测等功能。