Pipeline Leak and Impact Detection System - PipeLIDS - Monitoring Product Dedicated to Onshore Pipelines
Notice bibliographique
Résumé
Abstract Onshore pipelines may be subjected to third party damage (civil works), corrosion leaks, mechanical issues (valve or pumps failures), land movements or (in extreme cases) theft of the product. These threats may lead to leaks or even more dramatic explosions. The impact on human life and the environment can be significant. The pipeline operator's public image can be damaged with non- negligible economic or political consequences. PipeLIDS has been developed to minimize the consequences of leaks from onshore pipelines. It uses acoustic technology for detection of noise generated by impacts or leaks. This noise propagates in both directions over long distances inside the pipe. Intrusive acoustic sensors are installed regularly on the pipeline (every ten kilometers) to detect this noise. Each sensor is connected to an intelligent beacon with GPS synchronization. By measuring the sound wave's amplitude and phase time shift and analyzing the acoustic signature, PipeLIDS detects the origin and location of the event and raises an alarm. This paper presents latest technical improvements implemented on the PipeLIDS as installed on the latest SPSE Fos-sur-Mer (France) diesel pipeline for permanent survey. Acoustic sensors have been redesigned for better reliability. Software was reviewed and updated to give more efficient data processing, detecting and locating any accidental events within few minutes while being able to eliminate false alarms. Finally, very good performances of the system is demonstrated as well as its simplicity in terms of installation.
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 | 0,001 |
| 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 ».