Notice bibliographique
Résumé
With the frequent occurrence of extreme weather conditions, the safe operation of offshore facilities has been seriously challenged. Previous research attempted to simulate hydrodynamic performance or structure dynamic analysis to single environmental load. The present thesis proposes two methodologies to assess the operational risk quantitatively with combined wind and wave loads in a harsh environment considering the dependence structure between the real-time environmental parameters. The first developed model calculates the environmental loads using wind load response modeling, the Morison model and the ultimate limit states method. Then physical reliability models and joint probability functions derive the probabilities of failure at the level of structural components corresponding to combined loads. BN integrates the root probabilities according to the unit configuration to calculate the failure probability of the Semi-submersible Mobile Unit (SMU). The model is examined with a case study of the Ocean Ranger capsizing accident on Feb 15, 1982. The model uses the prevailing weather conditions and calculates a very high probability of failure 0.7812, which proves the robustness and effectiveness of the proposed model. The second proposed model is the copula-based bivariate operational failure assessment function, which assesses the dependencies among the real-time environmental parameters. Dependence function is described by the parameter δ from the wave data and concurrent meteorological observation data which are obtained from the Department of Fisheries and Oceans Canada (DFO). Then, the true model is selected with the help of Akaike’s information criterion (AIC) differences and Akaike weight. Comparing the results from the proposed approach and the traditional approach, it is shown that operational failure probabilities considering dependence are noteworthy higher and deserve attention. In other words, the traditional approach underestimates the operational risk of offshore facilities, especially in harsh environments.
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 | 0,003 |
| 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 ».