1.氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于，包括：
2.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s1中，基于bp神经网络构建气阀腐蚀预测模型。
3.如权利要求2所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s2中，模型参数包括bp神经网络的初始阈值和权值。
4.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s2中，遗传算法确定最优模型参数的处理步骤如下：
5.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s3中，气阀腐蚀试验的步骤如下：
6.如权利要求5所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s303中，腐蚀速度评价方法包括重量法和深度法；
7.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s3中，气阀腐蚀仿真试验的步骤如下：
8.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s5中，对气阀腐蚀试验和气阀腐蚀仿真试验采集的数据进行去重、清洗、比对、整理形成试验数据库；然后试验数据库中的数据进行初始化处理，初始化处理指对数据库进行转化、关联、脱敏和异常处理。
9.如权利要求8所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s5中，对试验数据库的数据进行归一化处理；
10.如权利要求1所述的氨-柴双燃料四冲程内燃机气阀材料耐腐蚀性预测方法，其特征在于：步骤s8中，预测腐蚀速度包括深度表示的腐蚀速度和增重表示的腐蚀速度。