腐蚀是引起油气管道失效的主要原因,因此,对腐蚀影响下的管道使用寿命进行分析,已成为减少运行费用、增加经济效益和社会价值的一项重要措施,是管道安全管理的基础性工作。针对现有的管道剩余寿命预测一些不足,引入深度学习算法,用于埋地管道腐蚀剩余寿命预测,利用熵权法实现定量组合的同时提高了预测精度,对预防管道腐蚀延长在役管道剩余寿命具有重要的现实意义。主要进行了以下三方面的研究:数据扩充及特征筛选研究。由于埋地管道常年深居地下,难以获取大量腐蚀数据以用于深度网络模型的训练,故应用算法扩充腐蚀数据集,在此基础上判别腐蚀因子的相关性,利用主成分分析识别腐蚀主要特征,综合考量关联性与重要度,获得大量完整有效腐蚀数据,为后续模型输入奠定良好的数据基础;单项管道剩余寿命预测模型研究。构建了DBN、DNN、Elman及BP管道剩余寿命预测模型,从调节网络自身误差入手选取最优参数,将简约归一后的核心指标带入所构建的模型,通过实证分析验证深度学习模型的具有良好的预测精度,为下一步组合的预测模型研究奠定模型基础;并联组合深度网络的埋地管道剩余寿命预测研究。构建熵权法定量组合两个深度网络的埋地管道剩余寿命预测研究结果,通过实例验证,结果表明,组合模型的不仅能够提升预测性稳定性,还能均衡单项模型的个体预测误差,提高整个模型整体预测精度。能够反映埋地管道的实际腐蚀情况,是一种更为有效且可靠的腐蚀失效预测方法。构建的深度神经网络预测方法相较于传统概率统计等其他方法具有一定准确性和可行性,探究更多深度学习领域的优异的回归算法并对模型进行改进以提高模型实用性,是未来进一步研究的方向。