Modeling Failure Risk in Buried Pipes Using Fuzzy Markov Deterioration Process
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.
Notice bibliographique
Résumé
Numerous models have been proposed in the last two decades for the deterioration of buried pipes. The most prominent approach has been the Markovian deterioration processes (MDP), which requires that the condition of the deteriorating system be encoded as an ordinal condition state. This encoding is based on numerous distress indicators obtained possibly from direct and indirect observations, as well as from non-destructive tests. To date, few buried pipes have been inspected and their condition assessed. In addition, the encoding of distress indicators into condition states is inherently imprecise and involves subjective judgment. Furthermore, the consequences of failure for buried pipes are often difficult to quantify precisely due to lack of data. In this paper, a new approach is presented to model the deterioration of buried pipes using a fuzzy rule-based, non-homogeneous Markov process. This deterioration model yields possibility of failure at every point along the life of the pipe. The possibility of failure, expressed as a fuzzy number, is coupled with the failure consequence (also expressed as a fuzzy number) to obtain the failure risk as a function of the pipe age. The use of fuzzy sets and fuzzy techniques help to incorporate the inherent imprecision and subjectivity of the data, as well as to propagate these attributes throughout the model, yielding more realistic results. At the time of submission, adequate and sufficient data to validate the model were not available.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle