腐蚀问题极易引发炼化装置的安全隐患，甚至是严重的安全事故，因此开展针对炼化设备的快速、精准的腐蚀状态预测技术研究具有重要意义。针对多数研究基于理想实验数据以及虚拟生成数据进行腐蚀预测而忽略实际情况的问题，通过收集621组酸性水汽提装置设备腐蚀检测数据，采用一种结合合成少数类过采样与基于最近邻规则欠采样（synthetic minority over-sampling technique with edited nearest neighbors, SMOTEENN）的算法解决原始数据不平衡问题，基于遗传算法优化后的K-最近邻（genetic algorithm-based K-nearest neighbors, GA-KNN）算法建立设备腐蚀状态（包含腐蚀类型及腐蚀程度）预测模型。结果表明，在数据集平衡方面，SMOTEENN算法能够有效平衡数据集并提高模型对设备腐蚀状态的识别能力；在设备腐蚀状态预测方面，经遗传算法优化后的KNN(K-nearest neighbors)模型具有较好的预测效果，对设备腐蚀类型及腐蚀程度的预测准确率分别达到0.993 3和0.981 2。结果证明了所提模型可实现设备腐蚀综合诊断，为酸性水汽提装置腐蚀监测及检修维护提供理论指导。