随着我国天然气需求量的逐年增长,地下储气库作为重要储能基础设施对保障国家能源安全有着重大现实意义。盐穴储气库拥有良好的结构特性,致密岩层使得其孔隙率与渗透率都非常低,盐岩优良的蠕变特性,使得其在注采天然气增减压时受到损伤能够高效自愈。注采管柱对于盐穴储气库是至关重要的部件,因其整体结构深藏于地下盐岩环境,常受到复杂多样的腐蚀因素影响。为探究盐穴储气库注采管柱相关腐蚀机理与失效原因,本研究通过建立基于机器学习算法的腐蚀预测模型,仿真得到盐穴储气库注采管柱的腐蚀速率,以期为其安全运维及风险预警提供定量数据支撑。相关研究可分为三个步骤。第一,进行盐穴储气库注采管柱腐蚀机理分析,探寻相关腐蚀因素并构建腐蚀指标体系。由于腐蚀数据通常是高维非线性的,因此选择核主成分分析法对腐蚀数据进行特征提取,并引入小波核函数的概念提高特征提取效率,为后续盐穴储气库注采管柱腐蚀速率预测模型建立做好铺垫;第二,在盐穴储气库注采管柱腐蚀预测研究中引入三个机器学习方法,并构建基于反向传播网络（BP网络）、支持向量机（SVM）和极限学习机（ELM）的盐穴储气库注采管柱腐蚀速率预测模型,并通过比较三种常用评价指标结果选取最优预测模型;第三,引入樽海鞘群优化算法和改进灰狼优化算法对预测模型的随机性参数进行迭代寻优,通过仿真实验,验证经群体智能算法优化后的模型预测效果的准确性,为盐穴储气库注采管柱腐蚀速率预测提供了新方法。研究结果表明:所建立的三个基于机器学习的盐穴储气库注采管柱腐蚀速率预测模型都显示出了较为优良的预测效果。三者中,基于极限学习机的管柱腐蚀速率预测模型预测效果最优,优于基于反向传播网络和支持向量机的管柱腐蚀速率预测模型;经樽海鞘群算法和改进灰狼算法优化后的模型预测结果皆好于单一模型,且IGWO-ELM模型的预测精度高于SSA-ELM模型。这既丰富了盐穴储气库注采管柱腐蚀速率的预测方法,又为盐穴储气库注采系统的安全运维和风险预警提供了实用保障。