我国大部分油田将采出水经过处理后作为油井回注水，解决了注入水来源问题，又减少了采出水排放引发的污染。然而注入水中含有大量的腐蚀性物质，会导致注水管线腐蚀损坏，油田生产成本增加，经济效益下降。为了有效地掌握管线腐蚀情况，及时维护和补强，本文对此进行研究，利用室内实验和遗传BP网络算法相结合的手段，通过分散性较大的实验数据，明确各种因素的影响程度，再根据BP神经网络算法编写程序，预测不同因素影响下的腐蚀速率，最后两者对比分析减小误差。在腐蚀速率预测的前提下，首先调研长庆油田A区块注水管线的腐蚀现状，分析A区块注入水水质。采用挂片失重法的室内实验评价影响A区块管线（20#钢）各种因素的腐蚀性。在实验的基础上，利用灰色关联法分析实验数据，评价各因素对腐蚀速率的影响程度大小，并进行排序，找出腐蚀速率的主要影响因素。结合遗传BP网络算法，对不同因素影响下的管线腐蚀速率进行的预测，根据结果绘制对比曲线图，最后对比结果表明：预测结果与实验结果拟合度较高。进一步说明，实验模拟和算法预测的方法相结合的方式，可作为A区块注水管线腐蚀速率预测的良好工具。