1.天然气管道腐蚀速率的预测方法，其特征在于，包括如下步骤：

获取管道外壁具有腐蚀区域的腐蚀图像；

对腐蚀图像进行预处理操作，形成预处理图像，将预处理图像输入至预测模型进行腐蚀程度预测；

其中，所述预测模型被设置成以预处理图像作为模板，以所述模板建立二维坐标系，通过设定大小的预览框在模板上依次滑动，每一次滑动用于获取预处理图像上对应单位区域的每一像素点的像素值，并以所述单位区域对应的所有像素点的像素值形成像素值集合，标记预览框在模板上的位置坐标；

以位置坐标进行对应编码，将编码与像素值集合进行对应，基于所述单位区域每一像素点的像素值集合来计算所述单位区域像素点的平均值；

按照编码顺序依次对每一所述单位区域的平均值进行比对，并按照多个设定范围将连续编码所对应的至少两个所述单位区域进行组合，形成对应的区块；

一方面，基于每一所述区块对应的设定范围值在第一神经网络模型进行预测得到所述区块对应的第一腐蚀速率；另一方面，每一单位区域对应的平均值分别在多个第二神经网络模型进行预测，得到所述区块内每一单位区域对应的多个第二腐蚀速率；

基于第一腐蚀速率和第二腐蚀速率来综合评判每一区块的总体腐蚀速率。

2.根据权利要求1所述的天然气管道腐蚀速率的预测方法，其特征在于，所述预处理操作包括：将腐蚀图像输入至预处理模型，通过所述预处理模型来识别腐蚀图像中有效图像的边界，并按照有效图像的边界将所述腐蚀图像进行切割，得到有效图像边界内的部分腐蚀图像作为预处理图像。

3.根据权利要求2所述的天然气管道腐蚀速率的预测方法，其特征在于，所述预处理模型按照如下的方法形成：获取大量的管道外壁的历史腐蚀图像；

通过人工专家对历史腐蚀图像的腐蚀边界进行标定，并确定腐蚀边界附近的有效腐蚀图像部分的腐蚀等级；

将标定好的历史腐蚀图像输入至神经网络工具中，在设定的训练资源下进行迭代训练，以形成所述预处理模型。

4.根据权利要求1所述的天然气管道腐蚀速率的预测方法，其特征在于，在所述预测模型内设置有同步联动模块和二值化处理模块，其中，同步联动模块用于当按照设定大小的预览框在模板上依次滑动时，对应的在所述预处理图像上框选并切割该位置的框定图像作为单位区域，记录该位置的坐标数据，并将所述单位区域同步发送至二值化处理模块进行二值化处理操作，对应的得到所述单位区域内每一像素点的像素值。

5.根据权利要求4所述的天然气管道腐蚀速率的预测方法，其特征在于，所述同步联动模块具有：监听单元，用于当预览框在模板上滑动时，预览框的控制进程对应的线程处于活动状态，通过获取线程的参数信息来监听预览框是否处于工作状态；

位移确定单元，当监听单元监听到预览框处于工作状态时，向所述位移确定单元发送开始指令，基于所述开始指令所述位移确定单元来确定预览框在模板上的移动距离；

同步控制单元，用于位移确定单元确定预览框移动到设定移动距离时，控制预览框的控制进程关闭，使得预览框停止移动；

切割单元，用于当预览框停止移动时，以预览框所在的位置框选并切割该位置的框定图像作为单位区域；

同步单元，用于将所述单位区域同步发送至二值化处理模块；

记录单元，用于记录所述位置对应的坐标数据。

6.根据权利要求5所述的天然气管道腐蚀速率的预测方法，其特征在于，所述同步控制单元内设置有移动距离配置单元，移动距离配置单元与外部的输入装置通过接口配置连接，其中，移动距离配置单元用于设定预览框每次移动的距离。

7.根据权利要求4所述的天然气管道腐蚀速率的预测方法，其特征在于，所述二值化处理模块连接设置在预测模型内的统计模块，所述统计模块包括：统计单元，用于获取所述单位区域内每一像素点的像素值，并以所述单位区域对应的所有像素点的像素值形成像素值集合；

标记单元，用于标记预览框在模板上的位置坐标；

编码单元，连接所述标记单元和统计单元，用于以位置坐标进行对应编码，将编码与统计单元形成的像素值集合进行对应；

均值计算单元，用于基于所述单位区域每一像素点的像素值集合来计算所述单位区域像素点的平均值。

8.根据权利要求1所述的天然气管道腐蚀速率的预测方法，其特征在于，所述预测模型内设置有比对模块、存储模块以及组合模块；

其中，所述存储模块内设置有多个连续的分区范围，每一个分区范围用于记录一设定范围；

所述比对模块连接所述存储模块，用于将获取的所述单位区域的平均值与多个分区范围记录的设定范围进行一一比对，以确定所述单位区域的平均值对应的设定范围，并按照所述编码进行标记，以使得连续编码的两个及以上的设定范围被标记到同一标记码中；

组合模块，连接所述比对单元，用于按照所述标记码将所述单位区域进行组合，形成对应的区块，组合后区块对应的顺序按照组合顺序进行重新排列。

9.根据权利要求1所述的天然气管道腐蚀速率的预测方法，其特征在于，所述第一神经网络模型和多个第二神经网络模型分别设置在预测模型内，且由设置在预测模型内的资源分配模块来控制第一神经网络模型和多个第二神经网络模型的训练资源的分配；

其中，所述资源分配模块具有：

第一预测任务处理单元，连接设置在预测模型内的统计模块，用于基于每一编码对应的进行预测列队，并获取列队中任务的第一数量；

第二预测任务处理单元，连接设置在预测模型内的组合模块，用于基于组合模块得到的区块并按照区块顺序列队，并获取列队中的第二数量；

预测控制单元，用于基于第一数量和第二数量之间的比值来确定第二神经网络模型的启用数量；

资源分配单元，用于根据第二神经网络模型的启用数量来确定每一第二神经网络模型能够获取的训练资源的第二比例，以及第一神经网络模型的获取的训练资源的第一比例。