MétaCan
Menu
Retour à la cohorte
Enregistrement W2538049468 · doi:10.1115/ipc2000-155

Multi-Pipeline Geographical Information System Based on High Accuracy Inertial Surveys

2000· article· en· W2538049468 sur OpenAlexaff
Jarosław Czyż, Chris Pettigrew, Hector Pino, Rubén Sánchez Gómez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensCalgary Laboratory Services
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Computer sciencePipeline transportGeographic information systemSoftwarePlan (archaeology)Data miningRemote sensingGeologyEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This paper describes the GIS system developed for the Pemex’ pipeline network in the Valley of Mexico. The pipeline UTM coordinates, which are the basis of the GIS, were obtained from the high accuracy Geopig® inertial and caliper surveys. The survey data also included information on pipeline features and anomalies, and was incorporated into the GIS together with the metal loss data from the past in-line inspections. The system is based on the ArcView® GIS Software with the Arc View 3D Analyst™ extension that allows both the cartography and pipeline data to be viewed in 3-D space. It stores information on pipeline plan, profile, girth weld locations, dents, wall thickness, bending strains, metal loss and other features in relation to known landmarks such as roads, buildings, political boundaries and hydrology. This allows for very efficient and accurate location of pipe defects and anomalies, which is particularly beneficial where there are several pipelines running in the same right-of-way. It helps to eliminate unnecessary excavations, as well as to coordinate, plan and schedule pipeline repairs. The additional benefit of a multi-pipeline GIS system is the ability to store various information for all the pipelines in one database, which is easy to manage and update. The GIS also gives the ability to plot detailed maps, query data for effective solutions and visualize scenarios.

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: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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 Opus0,006
Tête enseignante GPT0,190
Écart entre enseignants0,184 · 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

Citations5
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207