Probabilistic Methods for Ice Gouge Hazard Analysis in the Beaufort Sea
Notice bibliographique
Résumé
Abstract There are many challenges associated with the design and installation ofArctic subsea pipeline. A leading example is the Northstar developmentpipelines currently operating safely offshore the Alaskan North Slope. Uniqueoffshore Arctic environmental loading conditions, such as ice gouging, influence each pipeline design differently. Statistical distributions andprobabilistic assessments of ice gouge records can be used to predict designextreme gouge depths which can then be used to determine pipeline burial depthsrequired for protection against ice keels. The Northstar subsea pipeline project used the statistical ice gougeanalysis method described by Lanan et al. (1986), based on the exponentialprobability distribution, to select design pipeline burial depths forprotection against ice gouging. This method was applied to publicly availabledata and site-specific survey data collected prior to the pipeline installationin 2000, to predict the design extreme ice gouge depths expected along thepipeline route. Each year since the pipeline installation, new ice gouge datahas been collected by BP Exploration (Alaska). This paper reviews additional ice gouge data collected since installation ofthe Northstar pipelines and has assessed the use of alternate ice gougeanalysis methods to predict extreme ice gouge design depths for future pipelineinstallations in the Beaufort Sea, Data available from all Alaskan Beaufort Seaice gouge surveys in the Northstar pipeline area was also included in some ofthe statistical comparisons. Results obtained using the exponential analysis method were compared toanalyses using alternate probability distribution functions (PDFs), such as theWeibull, gamma, and log-normal. Data thresholds have also been investigated forPDF fitting. Work by Caines (2009, 2011) has shown that alternate probabilitydistribution functions might be more appropriate for modeling ice gouge depthdata, compared to the traditional exponential method. A brief comparativeanalysis was conducted using known age Northstar pipeline route data toinvestigate the effects of using all available gouge depth data versus annualmaximums only.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».