Network Vulnerability Assessment of the U.S. Crude Pipeline Infrastructure
Notice bibliographique
Résumé
The potential for cascade failure of the U.S. crude oil pipeline infrastructure is analyzed using Model Based Risk Assessment software. The pipeline system that distributes crude oil to refineries across the United States has gained much media attention with President Obamas denial of a permit to complete a key portion the Keystone-XL pipeline that will carry oil from Alberta, Canada to the Cushing Oil Trading Hub (COTH) in Cushing, OK. The analysis identified the COTH as the primary critical hub. The COTH is one of the worlds major oil terminals. A disruption of the COTH, Midwest/West Coast oil distribution networks, or critical hubs would have far-reaching negative consequences affecting global trade. The analysis also identified regional differences in network resiliency and susceptibility to cascade failure. Protecting all 55,000 miles of the U.S. crude oil pipeline infrastructure from catastrophic failure is an unachievable goal, but protection of the network from cascade failure and a Black Swan event can be achieved by protecting network hubs. The results of this analysis should be used as a starting point to increase network resiliency and prioritize the use of resources to secure the crude oil pipeline network against cascade failure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,007 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».