MétaCan
Menu
Retour à la cohorte
Enregistrement W2002135965 · doi:10.4043/24589-ms

Arctic Pipeline Leak Detection using Fiber Optic Cable Distributed Sensing Systems

2014· article· en· W2002135965 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOTC Arctic Technology Conference · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensIntecsea (Canada)
Organismes subventionnairesnon disponible
Mots-clésPipeline transportArcticPermafrostEnvironmental scienceLeakSubmarine pipelinePetroleum engineeringRemote sensingMarine engineeringGeologyComputer scienceGeotechnical engineeringEngineeringOceanographyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Multiple offshore Arctic fields have been developed over the past three decades and the world demand for oil and gas will continue to drive hydrocarbon development in Arctic and sub-Arctic environments. Arctic pipelines are used for the safe and economic transportation of hydrocarbons. While pipelines are designed not to leak, excessive strains due to the effects of ice gouging, strudel scour, frost heave and permafrost thaw settlement along with other loading and failure mechanisms (i.e. corrosion, third party damage) could result in a leak. Failure to detect leaks in a timely manner could have severe safety, environmental, and economic impacts. Large leaks can easily be detected, but small chronic leaks may go undetected for a period of time, especially when pipelines are buried in remote locations or under seasonal ice cover. First, this paper reviews existing Leak Detection System (LDS) technologies for their potential use on Arctic and sub-Arctic pipelines. The technology evaluation based on regulatory requirements and functional criteria suggests that Fiber Optic Cable (FOC) distributed sensing systems have a high potential to be used on Arctic pipelines. Distributed sensing FOC can be used to detect and locate leakages. Pipeline leakage would generate a local change in temperature. These thermal anomalies can be captured by FOC Distributed Temperature Sensing (DTS) systems with good spatial and temporal resolution. Similarly, the acoustic signature generated by leaking fluid can be detected using FOC Distributed Acoustic Sensing (DAS) systems. Inelastic Brillouin and Raman backscattering principles are used for measuring temperature in DTS, whereas the Rayleigh backscattering principle is used for measuring acoustics in DAS. This paper presents information on applicable regulations, operating principles, optical budgets, system integration, sensor positioning, installation and maintenance assessment, technology status, risk analysis using Failure Mode, Effects and Criticality Analysis (FMECA) and field implementation challenges.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,620
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,216
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle