隨著油氣田開采需求的增長,油氣田開發進入中后期,油氣藏需要通過注水的方式提高油氣采收率。注水水源常采用地面水、采出水等,而注水中高氯離子、礦化度、腐蝕性細菌等,使得地面管線及井下管柱產生嚴重的腐蝕與結垢問題,導致注水系統管線出現堵塞、穿孔、泄漏等,嚴重影響了油氣的安全高效開采。因此,建立高含氯離子、高礦化度、含細菌、多相流等工況下的腐蝕預測模型,預測腐蝕發展趨勢,對井下管柱和注水管線的選材和腐蝕裕量設計尤為重要。近二十年來,許多石油公司和研究機構針對油氣管道腐蝕問題提出了不同的預測模型,包括CO2腐蝕預測模型、細菌腐蝕預測模型、沖刷腐蝕預測模型、結垢預測模型等。這些模型的建模機理和影響因素不同,不同預測模型的預測結果差距也較大,模型存在很大的不確定性和局限性。作者通過對油氣田注水系統最常見的腐蝕速率預測模型的建模和應用情況進行了分類描述,分析比較了各預測模型的優缺點及應用范圍,并對注水系統腐蝕預測模型的未來發展趨勢進行了展望,以期為注水系統腐蝕預測模型的發展提供數據支撐。

1. 注水系統腐蝕的研究現狀

1.1 注水系統腐蝕風險

在實際注水工藝過程中,為了節約資源和保護環境,采出水、地面水、海水等通常會進行二次回注,尤其是采出水與其他水混注的方法更被廣泛應用[1-5]。國外某油田油氣藏的注入水來自于生產水與河水的混注水,二者質量比約為5∶1,水質成分如表1所示,可以看出注入水的水質硬度大,礦化度高,水中Cl-含量高,且含有大量細菌。因此注水井和注水管線的穿孔比例與穿孔速率呈現逐年上升趨勢。該油田注水系統的腐蝕情況具有普遍性。

該油田注水井的井下油管失效以內腐蝕穿孔和內部結垢為主,部分油管存在外腐蝕。失效油管的平均穿孔年限為2.1 a,平均穿孔速率達到3.6 mm/a。在全井深范圍內自上而下腐蝕結垢呈逐漸加重的趨勢,500 m以下結垢相對較為嚴重,外壁結垢情況有所不同,封隔器以上結垢輕微,封隔器以下結垢較為嚴重,結垢導致平均穿孔年限逐年縮短,更換管柱的費用也逐年升高。

地面注水管線的腐蝕與介質含水率、流速等密切相關。隨著油氣生產需求增大,注水量逐年增大,注水管線及相關設備的腐蝕更加嚴重。某油田管線流速較大,注水支線平均穿孔年限3.07 a,服役2 a內穿孔管線占比21%,服役2~5 a穿孔管線占比58%,平均穿孔速率3.1 mm/a,其中,最短穿孔時間僅49 d。注水管線穿孔位置主要分布在管線底部易積水的六點鐘方向,這主要是因為兩相分層后油水混合物中的水相易在管線底部沉積,其腐蝕條件相對較為苛刻。

1.2 注水系統腐蝕影響因子

注水井及地面注水系統管線的腐蝕主要為細菌腐蝕及垢下腐蝕,注水系統運行較短時間即發生“腐蝕→結垢→堵塞/穿孔”現象[6]。造成腐蝕的因素主要是腐蝕介質因素和腐蝕環境因素。

1.2.1 介質因素（礦化度,結垢離子,溶解氣）

油氣田注水系統水質礦化度較高,為5 000~200 000 mg/L,Cl-質量分數在幾十到150 000 mg/L不等,且其中的Fe2+和S2-對水質的穩定性有很大影響。采出水經過處理后可作為回注水使用,處理后的水中Fe2+和S2-含量顯著降低,但水中依然含有大量其他陰陽離子如Cl-、Na+、K+等[7],水質總體保持平衡,水型維持原樣,與地層水性質相近。同時水中還有、、和Ca2+、Mg2+、Ba2+等易結垢離子,當回注水溫度、壓力和pH達到特定值時,會促進相應的難溶化合物CaCO3、CaSO4以及BaSO4的形成[8-10],結垢物沉積并覆蓋于管道內壁上,逐漸形成水垢,見式（1）~（4）。另外,水中硫酸鹽還原菌（SRB）的存在進一步促進了腐蝕結垢,SRB將還原為S2-,S2-與金屬管道溶解產生的Fe2+結合形成FeS沉淀,FeS腐蝕產物與結垢沉積物膠黏在一起,附著在金屬管壁表面成為陰極,管道作為陽極,在管道內壁形成局部電池,從而加速管道內壁的腐蝕[11]。

水中溶解氣也是造成油田產出水或注水系統管線設備腐蝕的重要因素,一般情況下,產出水不含溶解氣體,但在注水工藝中,某些操作易使空氣中的CO2、O2等進入水中,導致注入水中的溶解CO2、溶解O含量升高[12]。在分別含等量O2、CO2、H2S的環境中,碳鋼在含O2環境中的腐蝕速率是在含其他兩種氣體環境中的近百倍。O2是強陰極去極化劑,O2溶于水中容易促使管線發生電化學腐蝕[13-16]。CO2溶于水后也具有較強的腐蝕性,相同pH下,低碳鋼在溶解CO2環境中的腐蝕速率為7 mm/a,在厭氧條件下的腐蝕速率高達20 mm/a,CO2也會導致油井管的服役壽命大幅度下降[17]。

1.2.2 服役環境（溫度、流速）

管線的腐蝕環境會影響管線腐蝕動力學速率。腐蝕溫度是影響腐蝕的重要因素,溫度變化影響著電化學反應速率、結垢趨勢、細菌繁殖速度等。在密閉環境中,隨著溫度的升高,金屬腐蝕速率增大,這主要是由于溫度升高加快了電化學反應過程的傳質速率；同時,溫度升高（>40 ℃）導致成垢離子的溶度積減小,在水中的溶解度降低,鹽類沉淀物更容易析出,這也解釋了在井底溫度較高時管道的易成垢現象[18]；溫度也影響著細菌的生長和繁殖,以SRB為例,將其分為嗜溫SRB和嗜熱SRB,嗜溫SRB的最佳生長溫度為36 ℃,嗜熱SRB的最佳生長溫度為40~70 ℃,溫度升高或降低都不利于細菌的生長代謝,并會影響細菌對金屬的腐蝕。LIU等[19]研究了嗜熱SRB菌株在不同溫度下對碳鋼的腐蝕影響,結果表明,60 ℃含嗜熱SRB環境中碳鋼的腐蝕速率是37 ℃時的2.2倍,表明嗜熱SRB對高溫具有依賴性。硫酸鹽的還原速率與溫度呈阿羅尼烏斯函數關系[20]：

式中：A為阿羅尼烏斯常數；E為反應活化能,J；R為氣體常數；T是環境溫度,K。

介質流速也會影響管道腐蝕速率,其對腐蝕速率的影響主要體現在兩個方面：一是加快了離子的快速傳質過程,從而加快了腐蝕進程；二是對管道表面產生切向作用,破壞了腐蝕產物膜的完整性,改變了管道表面的電化學狀態,導致管道發生局部腐蝕。萬里平等[21]研究表明,碳鋼的腐蝕速率隨著液體流速的增大而增大,流速增大1倍,腐蝕速率增大0.3~1倍,這主要與表面腐蝕產物膜的破壞有關。此外,流速對管道結垢的影響也較大。結垢增長率隨著流速增大而減小,流速較小時,介質中攜帶的固體顆粒和微生物排泄物沉積概率增大,管道結垢概率也明顯加大,特別是在結構突變的部位,流速越小,越有利于晶體的成核,成垢核心生長的環境越穩定,結垢趨勢越大[22],當流速繼續增大時,污垢的剝蝕率增大,因而總增長率減小。

2. 國內外腐蝕預測模型研究現狀

2.1 腐蝕預測模型

2.1.1 CO2腐蝕預測模型

目前,國內外對于油氣管道的腐蝕預測主要集中在CO2腐蝕環境中,針對多相流介質中的不同腐蝕參數,不同機構提出了不同的預測模型。最早的腐蝕預測模型是由De Waard（1975）等人提出的,該模型經過幾十年的發展,被不斷優化修正,目前已形成許多商業化的腐蝕預測模型[23]。根據模型建立所依據的理論基礎,國際上的CO2腐蝕預測模型主要可以分為三類：經驗預測模型、半經驗預測模型和機理模型[24]。

最為著名的經驗模型是Norsok M506模型,它是根據低溫實驗室數據和高溫現場數據建立的經驗模型。模型把單相流體系中對管壁剪切應力的預測直接推廣應用到多相流體系,忽略了相與相之間的聯系,且缺乏理論的支持,這限制了Norsok M506模型的應用。

De Waard和Milliams根據腐蝕機理和試驗數據建立的CO2腐蝕速率預測模型（DWM模型）,是目前應用比較廣泛的半經驗模型,但該模型只考慮溫度和CO2分壓的影響,忽略了腐蝕產物膜的保護作用,是一種比較保守的預測模型。隨著試驗數據的不斷更新,模型適用范圍被不斷修正,De Waard在DWM模型的基礎上考慮了介質pH、鹽濃度、腐蝕產物膜、流速、原油等因素的影響,對于每個因素引入了修正因子F,F值一般為0~1,以使預測結果更接近實際情形。

式中：A=pHactual-；Vr為活化腐蝕速率,mm/a；Vm為傳質腐蝕速率,mm/a；T為溫度,K；為（CO2分壓）下的pH；U為液體介質的流速,m/s；d為水力直徑,m。模型考慮了與流速相關的傳質過程,當介質流速較低時,油水兩相分離,沉積在底部的水相會使底部發生較嚴重的腐蝕。但該模型的預測結果僅在低溫條件下與實際數據相吻合,模型的溫度應用范圍有待修正。在過去的幾十年中,De Waard和Milliams模型一直是CO2腐蝕研究的重點參考模型之一。

機理模型主要從二氧化碳腐蝕的微觀機理出發,結合材料表面的化學、電化學反應,離子在材料與溶液界面處的傳質過程,以及離子在腐蝕產物膜中擴散與遷移過程等建立的預測模型。其中比較著名的是俄亥俄州立大學的NESIC教授等[25-26]根據二氧化碳腐蝕過程反應動力學建立的模型。機理模型相對前兩種模型更為復雜,需要考慮的影響因素更多。

目前對于油氣管道的腐蝕預測模型基本上都以上述幾種基本模型為基礎,結合實際情況,對模型做出一些腐蝕因子的修正,但在實際的腐蝕過程中,腐蝕受到較多因素的影響,各因素間關聯性較大,構成復雜的模糊體系,難以確定彼此間的關系,因此,軟件、編程及智能算法等方法得到了研究學者們的青睞。

標準的GM（1,1）模型是運用最廣的一種灰色理論預測模型,不需要大量的數據樣本,利用較少的不確切原始數據即可建立體系內部的數據生長和變化過程,但該模型的擬合精度和預測精度較低,適用范圍有限。喻西崇等[27]基于灰色理論法結合多種智能算法對標準的GM（1,1）模型進行了改進,利用改進后的方法預測了注水管道的腐蝕速率和腐蝕影響因素之間的映射關聯性,結果表明使用灰色理論和神經網絡相結合、灰色理論和遺傳算法相結合的方法預測的腐蝕速率與實測值能較好吻合,預測精度較高；SEGHIER等[28]建立了基于向量回歸（SVR）、遺傳算法（GA）、粒子群優化（PSO）和螢火蟲算法（FFA）等知名元啟發式優化技術的高效混合智能模型,預測了油氣管道腐蝕的最大點蝕深度,該模型已應用于大型最大點蝕深度數據庫。計算結果表明,混合SVR模型能夠更準確地預測最大點蝕深度,SVR-FFA模型優于其他模型,并可用于油氣設施的維護；駱正山等[29]將隨機森林回歸算法（RFR）引入油氣集輸管道腐蝕預測,構建了灰色關聯分析（GRA）與RFR的復合預測模型,運用灰色關聯分析進行數據處理以獲取最優特征變量,再結合RFR模型對內腐蝕速率進行預測。結果表明：RFR預測模型的預測效果優于常規的人工神經網絡BP模型和SVM模型,具有較高的預測精度,為管道工程的防腐蝕設計提供了價值依據；EL AMINE等[30]提出了一種E-L（應用集成學習）模型,用于準確預測油氣管道的內部腐蝕速率。利用極端梯度提升（XGBoost）法進行計算分析,得出溫度是影響腐蝕最關鍵的變量。將模型預測結果與DeWaard模型進行比較,預測結果更好。

總體來說,油氣管道的腐蝕預測研究涉及因素較多,現場采集數據量大,現場數據與模型數據之間應具有良好的重現性與精確性,因此,腐蝕預測模型的發展主要是基于傳統的數學模型和人工智能算法相結合。尤其對于注水系統的腐蝕預測來說,由于腐蝕環境復雜多變,腐蝕的機理研究進展緩慢,目前沒有較為成熟的通用機理模型,因此基于機理模型的預測方法目前尚未成熟,大多腐蝕預測依舊基于已有的CO2基礎模型進行模型因子和腐蝕因素的修正,結合軟件學習算法的方式進行。此外,對于不同的腐蝕體系及環境需要重新改變算法,大量樣本數據的檢測較為困難,且投入成本較高也是模型建立需要考慮的問題。

2.1.2 微生物腐蝕預測模型

微生物腐蝕（MIC）也是油氣開發注水系統中常見的腐蝕機制之一[31-32],而目前國內外學者針對細菌腐蝕的預測模型研究較少。張哲等[33]基于微生物腐蝕機理,綜合考慮了溫度、壓力、pH等影響因子,將半經驗腐蝕速率模型DW 91進行擬合獲得了細菌腐蝕速率與細菌數量之間的數學關系,修正后模型預測結果與實際管道測試結果的誤差小于10%。

微生物預測模型是用數學模型描述不同環境條件下微生物的行為[34],WHITING等基于變量類型把微生物預測模型分為三個等級[35]。初級模型描述了在特定培養條件下,微生物生長/存活與時間的關系；二級模型研究了環境變量（如溫度,pH,壓力,鹽度等）與微生物生長/存活特性的關系；三級模型將初級模型和二級模型通過計算機軟件進行了集成并轉化成了食品預測軟件[36-39]。建立注水系統的微生物腐蝕模型時,可將微生物生長代謝、繁殖與環境變量之間的函數關系等引入注水腐蝕體系來評價微生物生長與環境影響因素之間的映射關系,從而對微生物腐蝕速率作出預測。

傳統腐蝕預測模型的建立需要了解其腐蝕行為背后的機理和本質,但腐蝕過程的復雜性、瞬時性降低了大多數模型的預測準確率,但對于風險評價模型來說,無需建立整個腐蝕過程的精確模型,而是對腐蝕作出可能性或發生概率的預測,模型簡單靈活,可以結合現場數據和實際要求進行修改。對于微生物腐蝕所造成的油氣系統損傷風險,有研究學者基于風險評價也作出了相關的預測模型。SKOVHUS等[40]在基于風險評價（RBI）分析方法中描述了海上油氣注水管線的細菌腐蝕的評價模型,分析了MIC的發生概率或可能性,用來識別和控制油氣系統中MIC發生的風險。模型考慮了MIC腐蝕過程中的物理化學及生物作用、細菌的豐度、活性等相關參數。表2中列出了幾種基于風險評價的MIC模型。

建立的油氣管道微生物腐蝕預測模型存在諸多挑戰,這是因為微生物是活性生物,它產生的生理反應是復雜且多變的,而且目前對于微生物細菌生理活動的研究還依賴于微細胞分子生物學、結構學的發展。此外,微生物生長極其依賴外界環境的生物活性變動情況,現行的現場微生物細菌監檢測及計數方法的準確性較低,這大大降低了預測模型的精確性。此外,腐蝕過程的多變與復雜在某種程度上增加了模型預測的難度,因此油氣管道微生物腐蝕預測的技術還需要經歷長期的研究與探索,微生物腐蝕的預測模型在未來的發展中必將與更多的學科交叉與聯合[41-44]。

2.1.3 沖刷腐蝕預測模型

沖蝕失效是腐蝕性流體介質與多相流動協同作用引起的材料失效。國內外學者通過數值模擬、試驗研究等手段進行了大量研究。目前國內外已有許多比較成熟的多相流模擬商業軟件,這些軟件主要是采用內嵌腐蝕預測模型與流體動力學相結合的方式進行流體數值模擬。模型中關于腐蝕速率的預測部分大多是建立在CO2數學腐蝕模型基礎上,依據實際情況改變其中的主控因素進行變量因子修正得到的,再依據流體動力學相關函數關系加入對壁面剪切應力、流體強度、流速等力學參數,建立能夠依據體系內流體的流型、流態、腐蝕損失壁面剪切強度來預測體系金屬沖蝕失效的模型。

BLATT等[45]采用激光多普勒風速法把質量傳遞、流型、流態同沖蝕行為相關聯,預測了在CO2和含砂地層水中鐵基材料的腐蝕行為,結果表明,質量損失率的極大值存在于徑向流動的分量；NESIC[46]通過流體動力學計算分析流體的沖蝕破壞作用,證實了壁面的湍流強度可預測復雜結構管道的沖蝕現象；偶國富[47]針對加氫裂化空冷器多相流沖蝕破壞進行了研究,發現各相態相分率和剪切應力對流體管道沖蝕破壞失效位置及沖蝕速率影響很大,水相相分率大、剪切應力大的部位恰好是實際工程中穿孔泄漏的部位；林玉珍等[48]采用數值計算法與試驗研究相結合,對碳鋼在3.5%（質量分數）鹽水溶液中層流、湍流狀態下的沖蝕進行了研究,結果表明,靠近材料表面的流體動力學參數（剪切應力τ、傳質系數k）比流體溶液中的流體動力學參數（流速u）更能準確地描述流體對材料腐蝕的影響,計算得到的腐蝕速率與實測值基本一致,進一步驗證了碳鋼在流動單相溶液中的腐蝕機理。鄭玉貴等[49]研究了不銹鋼在單相及含砂人工海水介質中的沖刷腐蝕機理,分析了流速流態、攻角以及顆粒性質等流體力學因素對沖蝕的影響機制,并研制了一套可用于多相流沖刷腐蝕模擬的激光多普勒測試裝置,為沖刷腐蝕試驗模擬測試的發展提供了支撐。BOZZINI等[50]利用多相流模擬（CFD）工具FLUENT針對彎管環境的多相流體介質（包括兩相不可相溶的液體、氣體和微顆粒的固體）進行了流動數值模擬,選擇了多相流模型中的離散相模型（DPM）,并結合試驗研究尋找沖蝕破壞的主要影響因素。結果表明,當管道中氣相占比較高時,彎管的下半部分比上半部分受損更嚴重,且隨著流體速度的增加,主要侵蝕區從彎管內彎處轉移至彎道外彎壁處,流體中顆粒的運動軌跡分布更廣,損傷面積增大。

2.2 結垢預測模型

油田注水開發過程中,腐蝕一直被認為是設備損壞的關鍵性因素。而結垢與腐蝕并不是相互獨立的,兩者之間相互促進相輔相成,會形成嚴重的垢下腐蝕,一定程度上危害了設備的安全運行[51]。材料表面被垢層覆蓋后,垢下物質形成局部閉塞腐蝕微環境,與開放體系形成腐蝕陰陽極,從而表現為顯著的局部腐蝕特征。相對于全面腐蝕,局部腐蝕造成金屬的損失量不大,但腐蝕速率很大且難以檢測,往往會造成突發性的事故[52-54]。

結垢對腐蝕具有加速作用,是影響油氣田注水開發的棘手問題,只有對管道系統的結垢趨勢進行及時的預測,才能有效防止系統發生堵塞或腐蝕,近年來結垢預測得到了較快的發展,隨著預測技術和研究的更加深入,結垢預測方法也越來越成熟,我國目前應用的成熟的結垢預測方法見表3。

油氣田現場工況環境復雜多變,一些工程師在腐蝕結垢預測方法基礎上結合實際情況對模型進行了優化,并在實際工況中成功應用。陳志剛等[55]基于Davis-Stiff飽和指數法依據可編程計算機軟件對油田底層注入水中CaCO3、CaSO4、SrSO4的結垢趨勢進行了模擬預測,預測結果與現場實際數據基本一致；SKILLMAN根據熱力學及溶解平衡的原理提出的熱力學溶解度法與現場實測趨勢基本相符,但僅考慮一種晶體的結垢過程,且未考慮溫度、壓力及離子濃度對結垢的影響；Vescal Π預測模型不僅可以考慮混合垢的結垢趨勢,而且可以對不同井深部位的結垢趨勢進行計算,不足之處是只考慮了NaCl環境的結垢,未考慮CaCO3對BaSO4沉淀的影響[53-55]；付亞榮等[56]通過BP人工神經網絡對油田地面集輸系統的管道結垢趨勢進行了預測,經過2 100多次迭代后神經網絡發生收斂,預測結果與實際觀測值基本一致；徐志明等[57]以圓管為研究對象,在前人研究的污垢模型的基礎上建立了CaSO4微溶鹽的污垢沉積過程的數學模型,模型計算值與試驗值之間的誤差隨著污垢的增長不斷減小,誤差范圍小于20%,為結垢預測提供了新思路；BRAHIM等[58]基于污垢沉積去除模型,建立了CaSO4在長方體管壁內的結垢過程的數學模型,計算了垢層厚度隨時間變化的關系及垢層內的溫度分布,模擬結果與試驗結果的吻合性較好。

對于油氣田生產水、地層水及水處理系統的結垢預測主要是考慮成垢離子在鹽溶液中的結垢趨勢與結垢過程,并據此建立耦合復雜的數學模型,使用計算機編程語言進行模擬,或使用人工網絡分析技術對預測數據與實測數據進行非線性收斂,找出各數據之間的潛在聯系。因此,建立更加全面的、動態的、多因素的結垢預測模型是今后油氣田注水系統結垢預測的發展趨勢。

綜上所述,對于注水系統的腐蝕與結垢預測模型的建立,可依據已有的油氣管道腐蝕預測模型對相關腐蝕影響因素進行重新修正和改進,依據注水系統的實際情況,綜合考慮水質、礦化度、pH、溫度、微生物生長及沖刷腐蝕等環境參數建立符合實際的預測模型。對此,可收集現場實際腐蝕數據,利用傳統的灰色關聯分析或人工神經網絡分析等智能算法確定影響系統腐蝕的特征變量及其權重,依據分析結果選擇CO2腐蝕預測模型、微生物腐蝕預測模型或沖刷腐蝕預測模型等對腐蝕因素及腐蝕因子進行修正和改進。不同的模型考慮的腐蝕因素不同,若采用CO2腐蝕基礎模型,應注意規避模型中由CO2引起的相關變量成分；若腐蝕以微生物腐蝕為主,則可在CO2模型基礎上去除相關變量,加入對微生物生長過程與滅活動力學的考慮,建立微生物生長過程與環境變量之間的映射關系；若腐蝕主控因素為沖刷腐蝕,則可以采用流體力學與多相流相結合的方式,采用模擬軟件建立多相流腐蝕預測模型；若腐蝕為多因素的協同作用,則可以綜合考慮各模型的精確性和適用性,選取計算量較小且可使用智能算法分析的基礎模型進行改進。

3. 結束語

腐蝕結垢預測模型用于對腐蝕與結垢的預測,受實際環境與工況的限制,預測模型通常都是以小樣本數據推測大樣本的腐蝕規律,以短期的腐蝕數據預測長期腐蝕行為,以室內模擬數據推測實際條件的腐蝕趨勢,既要基于理論基礎,又要有實際觀測數據的支撐。目前,腐蝕預測模型在油氣田領域注水系統的應用對管線、設備的腐蝕狀態評估和防控都起到了重要作用,這對油氣開采及輸送系統的安全高效運行至關重要。油氣田的腐蝕、結垢預測已經取得了一些成果,預測模型主要側重于CO2環境的腐蝕預測、結垢趨勢,單因素條件下的腐蝕速率、結垢趨勢、腐蝕區域及結垢部位等。因此,為了推動注水系統腐蝕、結垢預測模型的發展,經后可以從以下幾個方面著重考慮。

（1）采用計算機編程、軟件、人工智能算法等結合的方法來提高模擬數據的準確性,減少樣本數據的模擬量。

（2）對于注水系統的腐蝕預測模型,需要重點關注水質環境,綜合考慮溫度、壓力、pH、礦化度、細菌繁殖、沖刷腐蝕等因素。針對不同體系的腐蝕因素,借鑒CO2腐蝕預測模型、微生物腐蝕預測模型、沖刷腐蝕預測模型等進行腐蝕因素及腐蝕因子修正和改進,對模型的修正和改進包括去除相關變量、MIC腐蝕考慮微生物生長過程與環境參數的相關性及其生長過程中的動力學、沖刷腐蝕采用流體力學與多相流相結合的方式等。

（3）將腐蝕、結垢過程進行耦合,建立更加完善的復合模型。在復合模型的探索過程中應追求更加簡化的原則,同時需要考慮對復合模型的變量交叉影響,多種模型的耦合應用,提高預測質量。

文章來源——材料與測試網