Estimation of Flow-Accelerated Corrosion Rate in Nuclear Piping System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Flow-accelerated corrosion (FAC) is a life-limiting factor for the piping network of the primary heat transport system (PHTS) in CANDU® reactors. The pipe wall thinning caused by FAC is monitored by carrying out periodic in-service inspections (ISI) to ensure the fitness-for-service of the piping system. Accurate prediction of the lifetime of various components in the PHTS piping network requires estimation of FAC thinning rate. The traditional Bayesian inference techniques commonly employed for parameter estimation are computationally costly. This paper presents an inexpensive and intuitive simulation-based Bayesian approach to FAC rate estimation, called approximate Bayesian computation using Markov chain Monte Carlo (ABC-MCMC). ABC-MCMC is a likelihood-free Bayesian computation scheme that generates samples directly from an approximate posterior distribution by simulating data sets from a forward model. The efficiency of ABC-MCMC is demonstrated by presenting a comparison with a likelihood-based Bayesian computation scheme, Metropolis-Hastings (MH) algorithm, using a practical data-based example. Furthermore, an innovative step has been proposed for reducing the Markov chain burn-in time in the proposed scheme. To indicate the need of a Bayesian approach in quantifying the uncertainties related to the FAC model parameters, results from the linear regression method, a common industrial approach, are also presented in this study. The numerical results show a notable reduction in computational time, suggesting that ABC-MCMC is an efficient alternative to the traditional Bayesian inference methods, specifically for handling noisy degradation data.
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.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 découle