MétaCan
Menu
Retour à la cohorte
Enregistrement W2460406066 · doi:10.1061/9780784479957.025

An Accelerometer-Based Real-Time Monitoring and Leak Detection System for Pressurized Water Pipelines

2016· article· en· W2460406066 sur OpenAlexaff
Samer El Zahab, Fadi Mosleh, Tarek Zayed

Notice bibliographique

RevuePipelines 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesQatar National Research Fund
Mots-clésPipeline transportLeakAccelerometerReal-time computingPipeline (software)Condition monitoringWireless sensor networkComputer scienceSIGNAL (programming language)Leak detectionThreshold limit valueEngineeringMarine engineeringSimulationElectrical engineeringEnvironmental engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Aging infrastructure, and pipelines installed and operated under poor conditions in pressurized drinking water networks are highly susceptible to the threat of leaks; these leaks pose economical, health, and environmental threats. To allow early repair and condition monitoring, multiple researchers tried to address the issue of leak detection and leak location pinpointing using either biological, hardware-based, or software-based solutions. The previous models came short in identifying practical and cost-effective models for combining real-time monitoring, identification, and location predicting. The research presented in this article proposes a model for a real time monitoring system capable of pinpointing the location of single event leaks in pressurized water pipelines. The model relies on wireless accelerometers placed within the network on the exterior of the pipelines. The vibration signals derived from each accelerometer was assessed and analyzed by the model to identify the monitoring index (MI) at each sensor on the pipeline. A leak was identified when the value of the monitoring index spiked above the acceptable ranges identified through an experimental procedure for each sensor. The value of the monitoring index on the left and right of the suspected leak is processed and utilized along with the distance between the two sensors. This allowed the model to identify the original source of the signal i.e. the leak location within a maximum range of ± 25 cm. The leak location was determined by means of a regression equation developed from experimental data for each sensor. Experiments were performed on one inch cast iron pipelines, one inch and two inch PVC pipelines using single event leaks and the results were displayed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,204 · 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'étudeExpérimental (laboratoire)
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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePipelines 2016Même sujetWater Systems and OptimizationTravaux en français237 207