Quantifying Pipe Corrosion and Deterioration with Pipe Penetrating Radar
Notice bibliographique
Résumé
This paper presents recent advancements of pipe penetrating radar (PPR) inspection technology through two selected case studies. The Bear Creek Trunk Sewer in Surrey, BC, Canada is a 2845 m long, 600 mm to 900 mm diameter reinforced concrete and asbestos cement line. The pipe was installed in 1972 and there are known corrosion, erosion, sedimentation, and odor issues. The objective of the PPR survey was to determine the condition and remaining service life of this pipe by mapping its wall thickness, rebar cover and detecting voids and/or other anomalies within or outside the pipe wall. PPR results confirmed minimal corrosion at the crown and 95 mm to 97 mm remaining wall thickness with little variation over the inspected length. Rebar cover appeared to be sufficient with no void type anomalies on any of the inspected lines. The Taggart Outfall in Portland, Oregon is a 3 m diameter, brick lined combined sewer that was built in 1906 and experienced wet weather overflows in the past. There was very little information available about the construction methods and the condition of this pipe. In order to design the most appropriate rehabilitation strategy the knowledge of voids outside the sewer was critical. Over 1829 m of high resolution PPR line data were collected via manned entry. Due to the highly complex nature of the geophysical data, data processing and interpretation was a critical component of this project. PPR data revealed voids both outside and within the pipe wall and thus provided engineers the information needed to take the appropriate approach to rehabilitate the pipe. With limited available funding and budget constraints becoming more prevalent, timing of rehabilitation and overall intelligent asset management is more critical than ever. PPR provides engineers and utility owners the information to accurately estimate the remaining life left in a pipeline, refine timing of repairs, and ultimately better allocate funding for asset management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».