油气管道作为油气储运中重要的设施,其建设规模也越来越大,油气管道的敷设有地上架空或埋地两种方式,由于我国的基本国情,98%的管线都是埋地管道。随着埋地管道运营时间的增长,穿孔、泄漏、开裂等事故也随之增多,为了避免出现油气运输类的安全事故,人们对于埋地管道的管理和维护工作也越来越重视。埋地管道腐蚀速率以及埋地管道剩余寿命的预测可有效减少管道运行出现安全事故的概率,为管道检测维修方案的制定提供依据。本文分析了影响埋地管道土壤腐蚀速率的因素,并筛选出HCO3-含量、Cl-含量、含水量、pH值、SO42-含量、氧化还原电位、土壤电阻率七种主要的腐蚀影响因素,分别为给出了测定土壤腐蚀影响因素和腐蚀速率的方法;利用人工神经网络建立了管道腐蚀速率模型,为了提高预测精度,减少管道随机因素对预测结果的影响,在收集的管道腐蚀数据的基础上对埋地管线的腐蚀因素进行灰关联分析,创建了灰关联分析改进的管道腐蚀速率BP神经网络模型;以灰色GM（1,1）模型为基础,结合马尔可夫链建立一种灰色—马尔可夫管道剩余寿命预测模型;依据管道现场采集的检测数据,建立一种基于极值统计法的埋地管道剩余寿命预测模型,以管道腐蚀数据为基础,分别用上述两种方法对管道A段与管道B段进行剩余寿命估算,结果;最终建立一种组合建模的埋地管道剩余寿命预测模型,对管道A段与管道B段管道进行了腐蚀速率与剩余寿命预测结果。本文通过理论研究和模拟证明,灰关联分析改进的BP神经网络模型能有效地预测埋地管道的腐蚀速率,将管道腐蚀剩余壁厚与本文的腐蚀速率预测的结果相结合的管道剩余寿命预测模型能够快速精准地计算出埋地管道的剩余寿命。随着理论研究和实践操作能力的进一步提高,该方法将会在管道安全运行维护和管道剩余寿命预测中发挥更大的作用。