Investigating Vapour Cloud Explosion Dynamic Fatality Risk on Offshore Platforms by Using a Grid-Based Framework
Notice bibliographique
Résumé
The reliability of petroleum offshore platform systems affects human safety and well-being; hence, it should be considered in plant design and operation in order to determine its effect on human fatality risk. Methane Vapour Cloud Explosions (VCE) in offshore platforms are known to be one of the fatal potential accidents that can be attributed to failure in plant safety systems. Traditional Quantitative Risk Analysis (QRA) lacks in providing microlevel risk assessment studies and are unable to update risk with the passage of time. This study proposes a grid-based dynamic risk analysis framework for analysing the effect of VCEs on the risk of human fatality in an offshore platform. Flame Acceleration Simulator (FLACS), which is a Computational Fluid Dynamics (CFD) software, is used to model VCEs, taking into account different wind and leakage conditions. To estimate the dynamic risk, Bayesian Inference (BI) is utilised using Accident Sequence Precursor (ASP) data. The proposed framework offers the advantage of facilitating microlevel risk analysis by utilising a grid-based approach and providing grid-by-grid risk mapping. Increasing the wind speed (from 3 to 7 m/s) resulted in maximum increase of 21% in risk values. Furthermore, the integration of BI with FLACS in the grid-based framework effectively estimates risk as a function of time and space; the dynamic risk analysis revealed up to 68% increase in human fatality risk recorded from year one to year five.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».