Collection and Compilation of Water Pipeline Field Performance Data
Notice bibliographique
Résumé
The objective of this project is to collect, compile and analyze high quality field data on pipeline reliability performance for water pipelines of different materials. This project will be completed in two phases: Phase I will include the data collection from the United States Bureau of Reclamation (USBR) and their 17 Western States, as well as the U.S., Canadian, and Australian Water Utilities for different materials including cast iron, ductile iron, reinforced concrete, steel, pre-stressed concrete, PVC, AC, and others. Canadian and Australian utilities’ data and knowledge will be stored as a subset of the national pipeline database. Phase I will also include the development of a Web-based, GIS-enabled water pipelines database to aggregate and standardize the collected data, and further to identify the missing data deemed critical to understanding water pipeline performance. These tasks will be geared to meet the Phase II objectives of collecting and/or generating the missing data, and the establishment of an understanding of the general state of buried water pipeline infrastructure, failure rates, general effectiveness of corrosion control measures, and the calculation of failure rates for each water pipeline material. Virginia Tech will protect data and database as per federal requirements under export-import control law. The proposed research has the following five objectives: Developing a standardized data and metadata structure for verifying, storing, updating, retrieving, and exporting/importing water pipeline infrastructure attributes; Creating a GIS-driven Web-based platform for developing, analyzing, validating, implementing, and benchmarking of models and tools for pipeline asset management; Piloting of PIPEiD with utilities of various sizes across the U.S. for demonstration; Establishing a protocol for water pipeline data security, sanitization, and publication; and Developing a plan to promote and sustain effort by engaging the water industry. This paper presents the national effort for water pipeline data collection and compilation methodologies. This project will determine the state of the knowledge in water utilities, other industries, and large Internet of Things (IoT) firms to lay the groundwork to identify key issues that can be addressed by data collection and big data analytics for water pipeline infrastructure systems.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».