随着我国管道工程的快速发展,管道里程逐步在增加。并且近些年来,对管道阴极保护重视程度也逐渐增加。在油气管道阴极保护方面,近年机器学习和大数据技术的兴起为管道的阴极保护智能化管理提供了新的思路。本文研究一种基于机器学习的油气管道阴极保护智能化系统,可以实现对恒电位仪和测试桩等阴极保护数据的处理和分析,为电化学腐蚀预测提供良好平台。本文首先针对阴极保护数据缺乏异常检测模块、数据量大等特点,利用机器学习中的基于无监督学习的孤立森林算法建立了数据的异常检测模块。通过运行python模型,并与单分类支持向量机模型检测结果进行比较。结果表明,在数据规模较小时两者准确性表现相当,但在数据规模较大时,孤立森林算法准确性更高。其次,针对测试桩数据,为分析阴极保护电位与其他属性数据的相关性关系和保护电位的回归分析结果,提出随机森林回归分析模型,并与Ada Boost和多元线性回归模型比较,结果表明,随机森林回归模型的平均百分比误差和均方根误差均远小于另外两个模型,且模型拟合能力R~2为0.988,拟合能力表现良好,增加单维度的ARMA模型做回归辅助分析,保证系统中数据稳定性,此模型适用于平稳时间序列的短期预测。最后,对基于B/S架构的管道阴极保护智能分析系统,进行了系统的总体架构、系统功能和数据库的设计。并根据系统架构部署了系统的软、硬件环境,再将孤立森林分类和随机森林回归模型写入该系统,再使用测试桩数据和恒电位仪数据进行软件测试,完成阴极保护数据管理、模型计算和保护电位预警等功能。