1.一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法，其特征在于，包括以下步骤：步骤1：测量供电区间周围土壤电阻率ρ；测量供电区间内轨地过渡电阻Rg和钢轨纵向电阻Rs；通过土壤取样分析土壤中的主要离子成分；获取现场基本参数：供电区间长度L1、牵引电流I；

步骤2：通过一段时间内杂散电流泄漏电荷量相等的原理进行等效处理，即：式中，Q1为杂散电流泄漏电荷量，Q2为实验室环境下直流电源所提供的电荷量，L1为供电区间长度，Is为供电区间内的杂散电流，t1为杂散电流腐蚀时长，t2为所设计电化学腐蚀时间，Ie为所设计电化学腐蚀实验中直流电源所提供的电流大小；

根据电阻网络模型，结合现场参数测试结果进行计算，从而可以确定在实验室条件下所设计电化学腐蚀实验中直流电源所提供的电流大小Ie，所设计电化学腐蚀时间t2；

其中，供电区间内的杂散电流分布使用下式进行计算：

式中，Rs为走行轨纵向电阻，RR为埋地金属结构纵向电阻，Rg为轨道对埋地金属结构过渡电阻，I为牵引电流，L1为供电区间长度；

步骤3：根据步骤2所确定的实验参数和埋地管线材质，制作金属样块并调配电解质溶液，在腐蚀电解池环境下进行等效杂散电流电化学腐蚀实验；在所设计电化学腐蚀时间t2内，利用电化学分析仪分别测定电化学腐蚀过程中t2,1,t2,2,t2,3,…,t2,i,…,t2,n时刻的极化曲线并计算对应时刻下的腐蚀电流密度icorr(2,1),icorr(2,2),icorr(2,3),…,icorr(2,i),…,icorr(2,n)，测量对应时刻腐蚀前后金属失重量Δm2,1,Δm2,2,Δm2,3,…,Δm2,i,…,Δm2,n，根据极化曲线和腐蚀前后金属样块的失重量计算腐蚀速率Corrrate(2,1),Corrrate(2,2),Corrrate(2,3),…,Corrrate(2,i),…,Corrrate(2,n)，利用CCD摄像机获取对应时刻t2,1,t2,2,t2,3,…,t2,i,…,t2,n下的金属样块外观腐蚀形貌特征图像数据；

步骤4：将步骤3所测定的腐蚀过程中的腐蚀电流密度icorr作为输出量，选取电介质溶液中Cl-离子浓度、SO4 2-离子浓度、杂散电流大小Is、腐蚀时间t、金属样块碳含量C％作为输入量，利用BP神经网络训练并建立杂散电流腐蚀电流密度预测模型；

利用步骤3所测定的腐蚀过程中金属失重量Δm随腐蚀时间t的变化关系，建立基于灰色理论的杂散电流腐蚀失重量预测模型；

利用步骤3所获取不同条件下的金属样块外观腐蚀形貌特征图像，在对图像处理过程之后，通过卷积神经网络训练并建立基于腐蚀外观形貌的杂散电流腐蚀速率预测模型；

步骤5：通过步骤4得到的杂散电流腐蚀电流密度预测评估埋地管线当前杂散电流腐蚀程度，通过步骤4得到的基于灰色理论的杂散电流腐蚀失重量预测和通过步骤4得到的基于腐蚀外观形貌的杂散电流腐蚀速率预测评估埋地管线未来杂散电流腐蚀发展情况，进而以当前杂散电流腐蚀程度和未来杂散电流腐蚀发展趋势综合评估地铁现场埋地管线的杂散电流腐蚀危险性。

2.根据权利要求1所述的一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法，其特征在于，步骤3中建立基于灰色理论的杂散电流腐蚀失重量预测模型的方法如下：已知金属失重量数据列：

1次累加生成序列1-AGO：

其中：

Δm(1)的均值生成序列：

其中：

建立灰色微分方程：

相应的白化微分方程为：

令

由最小二乘法，求得使

J(u)＝(Y-Bu)T(Y-Bu)

达到最小值的u的估计值为

根据白化微分方程建立GM(1,1)模型，则可以得到和原始值对应的预测值：

3.根据权利要求1或2所述的一种基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法，其特征在于，步骤3中利用BP神经网络训练建立杂散电流腐蚀电流密度预测模型的函数如下：设BP神经网络的输入a1～a5分别为Cl-离子浓度、SO42-离子浓度、杂散电流大小I、腐蚀时间t、金属样块碳含量，BP神经网络隐含层中的节点输出函数为：输出层中节点的输出函数为：

其中：f(x)＝(1+e-x)-1；Wir1为输入层ai到隐含层br1间的连接权；Wrj2为隐含层br1到隐含

2 2 1 1 2

层bj间的连接权；Vr为隐含层bj到输出层c之间的连接权；Tr为隐含层br的阈值；Tj为隐含层bj2的阈值；θ为输出层单元阈值。