由于大气环境的多样性,影响大气腐蚀的主要环境因子如温度、湿度、辐照度、氯离子浓度、盐度、污染物等在宏微观环境下的分布与作用显著不同,在不同腐蚀时段的影响强弱也不尽相同。认识碳钢大气腐蚀的规律必须考虑到环境的多样性,以及腐蚀行为随时间推移的动态变化规律。基于对大气腐蚀行为的动态认识,本研究建立了一种新的大气腐蚀大数据系统,实现了碳钢腐蚀电流、环境温度和相对湿度的连续监测,数据采集频率为1分钟/次,对任意监测点的收集数据总量达50万条/年;并利用该系统开展了碳钢大气腐蚀大数据研究。根据实时采集到的碳钢腐蚀数据,探究了影响大气腐蚀的主要环境因素,揭示了锈层在户外环境下对腐蚀临界湿度的作用规律;同时,针对具有动态特性的大气腐蚀数据集,采用不同数据挖掘方法进行碳钢大气腐蚀的预测,筛选出了最佳腐蚀预测模型。研究表明,表面腐蚀产物与电偶加速效应不会对传感器的性能产生实质影响,同时段下传感器表面碳钢的腐蚀状态与腐蚀挂片结果一致。腐蚀传感器的实时输出电流、累计输出电量和腐蚀挂片质量损失存在一个经验公式转换关系,该公式不仅适用于碳钢,还适用于快速评估耐候钢在C2级别及以上大气环境的耐蚀性,说明本研究提出的腐蚀连续监测技术有潜力替代腐蚀挂片方法,进行低合金钢的大气腐蚀研究。户外的环境腐蚀性具有高度动态变化的特点,在1年的监测周期内,环境腐蚀性遍布C1级至CX级。碳钢处于大气腐蚀初期时,除了干旱地区,降雨是促进腐蚀最明显的环境因素;相对湿度的影响小于降雨,且作用时段主要集中在夜间;温度的加速反应效应和大气环境污染物在城市环境的作用影响不大,是影响大气腐蚀的次要因素。大气腐蚀过程中锈层的生长对腐蚀影响极大,其吸湿效应进一步加速腐蚀反应。经过1年的长期大气腐蚀后,城市海洋环境下对影响大气腐蚀的前5位腐蚀因子排序分别是锈层、风速、降雨率、相对湿度和氯离子,其中风速的重要性逐渐减弱,锈层和氯化物的作用越来越凸显。在分析多维碳钢腐蚀大数据时,随机森林算法能够正确解析出各种腐蚀因子对碳钢的量化影响,并建立碳钢大气腐蚀的高精度预测模型;随机森林模型的预测效果明显优于反向传播神经网络和支持向量回归模型。在随机森林算法的基础上,考虑到锈蚀不断增长的动态影响,建立了囊括锈层生长过程的随机森林迭代模型,提高了碳钢大气腐蚀的预测精度。碳钢大气腐蚀临界湿度是指发生大气腐蚀时的相对湿度,锈层的厚度和物相结构对其影响十分明显。锈层结构不变时,腐蚀临界湿度在统计的范围内均随着厚度的增加而降低,对非降雨状态下的大气腐蚀均起到了的促进作用。统计的四种锈层结构中,外层、中层、内层均以γ-FeOOH为主相的结构对非降雨状态下的大气腐蚀促进作用最强,外层以γ-FeOOH为主相,同时中层、内层以α-FeOOH为主相的锈层结构促进作用最弱。最后,分析了锈层物相结构的转变对提升耐候钢耐蚀性能的关键作用,锈层内α-FeOOH含量上升可以有效地将氯离子屏蔽在外锈层,防止腐蚀临界湿度的下降。通过与腐蚀挂片方法进行比较,证明了该大气腐蚀大数据系统可以有效缩短耐蚀材料的评估周期。