MétaCan
Menu
Retour à la cohorte
Enregistrement W2595895685 · doi:10.1139/cjce-2016-0519

Revisiting burst pressure models for corroded pipelines

2017· article· en· W2595895685 sur OpenAlexafffundvenue
Hieu Chi Phan, Ashutosh Sutra Dhar, Bipul Chandra Mondal

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesMemorial University of NewfoundlandResearch and Development Corporation of Newfoundland and LabradorJohns Hopkins University
Mots-clésPipeline transportCorrosionStructural engineeringFinite element methodReduction (mathematics)EngineeringMaterials scienceMechanical engineeringComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

A number of burst pressure models were developed to determine the remaining strength of corroded pipelines. However, no single model has been found to be acceptable for predicting the burst pressure correctly. In this paper, the burst pressure models for corroded pipelines are revisited based on the structures of three existing models. The model parameters are re-evaluated using an optimization (differential evolution) algorithm with a database developed based on finite element (FE) analysis. A series of FE analysis are performed to determine the burst pressures of corroded pipelines with varying pipe diameters, wall thicknesses, corrosion dimensions and material strength grades. The models with new sets of model parameters provide the burst pressure reduction factors that match with the FE results and experimental data better than the existing models. The study reveals that FE analysis along with an optimization algorithm can effectively be used to develop improved models for better fitness-for-service assessment of pipelines.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,217
Écart entre enseignants0,200 · 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'étudeSimulation ou modélisation
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

Citations40
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetStructural Integrity and Reliability AnalysisTravaux en français237 207