1.一种基于AGA-ELM混合算法的海底管线腐蚀速率预测方法，其特征在于，包括以下步骤：

1)获取影响海底管线腐蚀的主要因素及其数据样本，所述影响海底管线腐蚀的主要因素包括海水温度、溶解氧、含盐度、海水PH值及氧化还原电位；

2)设数据样本的数目为N个，将N个数据样本分为训练集及测试集，其中，(xi,yi)为第i个数据样本，i＝1,2...,N，将影响海底管线腐蚀的主要因素设为极限学习机的输入参数集xi＝[xi1,xi2,xi3,xi4,xi5]，其中，xi1,xi2,xi3,xi4,xi5分别对应海水温度、溶解氧、含盐度、海水PH值及氧化还原电位，将第i个数据样本对应的腐蚀速率作为输出参数集yi，则极限学习机的数学模型为：

3)通过测试实验法选择激活函数及最优隐含层节点数；

4)在自适应遗传算法中采用二进制编码对极限学习机的输入权值矩阵及隐含层阈值进行初始化编码；

5)设置自适应遗传算法的种群个数、种群中个体长度、交叉概率区间、变异概率区间、代沟、最大迭代次数及个体被选中的概率；

6)选择适应度函数，利用适应度函数计算种群中个体的适应度值，适应度函数为:

7)自适应遗传算法通过选择、交叉及变异操作不断进化，得到最佳输入权值矩阵ωi及隐含层阈值bj；

8)利用给定的训练样本训练模型，将给定训练样本代入极限学习机的数学模型中，得Y'＝Hβ，H为隐含层输出矩阵，Y'为输出预测值；

9)将最佳输入权值矩阵ωi及隐含层阈值bj输入到极限学习机中，则模型目标转化为寻找最佳β值，使目标函数值最小 得 H+为H的摩尔-彭若斯广义逆矩阵，得最优极限学习机的数学模型；

10)根据最优极限学习机的数学模型预测海底管线腐蚀速率。

2.根据权利要求1所述的基于AGA-ELM混合算法的海底管线腐蚀速率预测方法，其特征在于，步骤3)的具体操作为：确定隐含层节点数区间为[2n+1，N]，n为输入层节点数，再从Sigmoid函数、Sine函数及Hardlim函数中选择激活函数；在隐含层节点数区间内分别测试Sigmoid函数、Sine函数及Hardlim函数的预测结果，选择误差最小时对应的隐含层节点数及激活函数作为最终的激活函数及最优隐含层节点数。

3.根据权利要求2所述的基于AGA-ELM混合算法的海底管线腐蚀速率预测方法，其特征在于，步骤3)中Sigmoid函数计算公式为： Sine函数计算公式为：g(x)＝sin(x)；Hardlim函数计算公式为：

4.根据权利要求1所述的基于AGA-ELM混合算法的海底管线腐蚀速率预测方法，其特征在于，步骤5)中种群个体长度G为：G＝l(n+1)，其中，l为隐含层节点数，n为输入层节点数，种群中个体i被选的概率为 si为个体i的适应度值。

5.根据权利要求1所述的基于AGA-ELM混合算法的海底管线腐蚀速率预测方法，其特征在于，步骤7)中改进后的自适应遗传算法的交叉变异算子为：其中，Pc为交叉算子，pcmax为最大交叉率，pcmin为最小交叉率，smin为种群最小适应度；Pm为变异算子，pmmax为最大变异率，pmmin为最小变异率。

6.根据权利要求1所述的基于AGA-ELM混合算法的海底管线腐蚀速率预测方法，其特征在于，步骤8)中隐含层输出矩阵H与输出矩阵Y'分别为：