天然气管道环焊缝质量状态诊断主要依赖于人工对环焊缝数据进行分析后指导的逐段开挖验证方式，这一方法不仅导致运营成本高昂，且排查准确率和效率低下，无法满足管道安全高效运维的需求。利用高效的智能质量诊断方法来预测埋地天然气管道焊缝质量，开展针对性开挖复查工作，对确保焊接管段的服役安全具有重要的工程意义。因此，构建了一种人工智能方法对天然气管道环焊缝质量进行快速诊断及预测，为了提高模型的计算效率，使用方差选择法和相关系数图来选取了 15 个环焊缝主要特征，包括管节长度、机组、对口形式、站间段等。基于随机森林方法建立了天然气管道环焊缝质量智能诊断模型，并使用贝叶斯优化器进行参数优化。采用未训练的工程数据对模型进行验证，并与支持向量机、决策树和 K 近邻算法进行性能对比。结果表明：利用随机森林模型对环焊缝工程数据进行质量诊断具有较高的准确率，可以为在役天然气管道环焊缝的开挖排查工作提供理论指导。