MétaCan
Menu
Retour à la cohorte
Enregistrement W2319648436 · doi:10.1061/41069(360)6

Assessing 380km of PCCP Using Acoustic Monitoring — A Comparison of Technologies

2009· article· en· W2319648436 sur OpenAlexaff
A. Lenghi, Omar Essamin, K. Elgalbati, Mike Wrigglesworth

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensNova Chemicals (Canada)BP (Canada)
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Pipeline transportHydrophoneMetreAsset managementMarine engineeringEngineeringTelecommunicationsGeologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The Great Man-Made River pipeline is the one of the largest water projects in the world, with more than 4000km (2485 miles) of mainly four metre (158-inch) diameter prestressed concrete cylinder pipe (PCCP) in operation. After experiencing failures on their pipeline between 1999 and 2001, the Great Man-Made River Authority (GMRA) conducted an aggressive rehabilitation program and implemented technologies to assess the condition of remaining pipe sections. GMRA first installed acoustic monitoring equipment when the pipeline was put back into operation following the rehabilitation stage. The original monitoring configuration employed by GMRA consisted of hydrophone assemblies installed in three consecutive manhole or air valve structures 600 meters (1968 feet) apart, allowing for 1.2km (4000 feet) of monitoring from one data acquisition system. Initially able to monitor approximately 40km (25 miles), the system has been expanded since 2000 and now covers almost 100km (62 miles) of pipeline. In its continuing effort to effectively manage its critical asset, GMRA recently embarked on a massive expansion of this already impressive acoustic monitoring program. More than 650km (404 miles) of Acoustic Fiber Optic (AFO) cable is being installed to track deterioration and to detect pipes in advanced states of distress. This paper will focus on a comparison case study used to verify the new technology, and discuss how the technology is employed as part of GMRA's asset management strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,306
Écart entre enseignants0,259 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207