Prediction of water distribution system pipes and isolation valves failure using Bayesian models with the consideration of soil corrosion and climate change
Notice bibliographique
Résumé
Aging water distribution system pipes and valves are at stake due to progressive deterioration. Deterioration of the pipes and valves might be as a result of static, operational and dynamic (time-dependent) factors. The impact of these factors are manifested in the form of declined water quality, diminished hydraulic capacity, increased leakage rate and frequent pipe breaks. Reported literature shows that there are a limited number of comprehensive models which integrate characteristics of these factors. As a result, municipalities have been facing a challenge in predicting pipe failure and practicing proactive decision making. The primary objective of this research was to develop a comprehensive Bayesian (Bayesian Belief Network (BBN), Dynamic Bayesian Network (DBN) and Bayesian Model Averaging (BMA)) models to predict/forecast pipe and valve failures by considering driving factors with particular attention to soil corrosion and climate change. Firstly, a comprehensive BBN-based Soil Corrosivity Index (SCI) model was developed to account for interdependencies among different soil parameters. The developed BBN-SCI model combines in situ, experimental, and expert opinion data sources. This model is, then, extended to BBN-based Remaining Service Life (RSL) model which predicts pit depth and quanti es the probability and time to failure for cast iron pipes. The next part of this research evaluates the failure of valves using BBN-based failure mode and effect analysis. The DBN model considers static, operational and time-dependent factors to predict annual and monthly pipe failure rates. Finally, the BMA model integrates climate projection data for future pipe failure forecasting. Overall, this research integrated physical, environmental, and operational factors speculated in contributing to failures of pipes and valves. The data analysis and methodology proposed in this study will help water utility managers and operators to make informed decision making for e cient design and construction of a new water supply systems or planning renewal and rehabilitation programs for old water supply systems. By implementing this methodology, water utilities can incorporate the most impacting pipe and valve failure factors, speci cally soil corrosion and climate change, in operational, tactic, and strategic level decision making.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».