Development of a Methodology to Predict the Failure of Large-Diameter Cast Iron Water Mains
Notice bibliographique
Résumé
Many of the water mains in North America are legacy cast iron pipes. These are susceptible to corrosion, which accelerates the failure of these pipes as they age. A reactive approach to the rehabilitation of small-diameter water mains can be justified due to the relatively low consequences of their failure. However, a proactive approach should be taken for large-diameter pipes, which tend to have a lower rate of failure but higher consequences of failure. The aim of this paper is to present a new mechanistic model to aid in predicting the failure of large-diameter, gray cast iron water mains. In this new model, failure is assumed to occur due to a combination of corrosion pitting and hoop stresses from external and internal loads on the pipe. A fracture mechanics approach is used to account for the loss in strength of the pipe due to corrosion pitting. To account for uncertainty in the data collection and modeling processes, model inputs are treated as stochastic variables and the model is applied within a Monte Carlo simulation (MCS) framework. A deterministic sensitivity analysis was undertaken to determine the sensitivity of the factor of safety to key variables. The methodology was applied to a 24 in. nominal diameter gray cast iron water main for an exposure time of 300 years. MCS was used to generate 10,000 realizations of the water main factor of safety over the 300-year period. An empirical cumulative distribution function (CDF) was developed, and the interval in which 80% of the resulting factor of safety values occurred was determined for each exposure time. The preliminary results suggested that a 24 in. cast iron main under the loads considered is not expected to fail.
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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».