A failure prediction model for corrosion in gas transmission pipelines
Notice bibliographique
Résumé
Transmission pipelines comprise a major part of a gas network, conveying natural gas within jurisdictions, and across international boundaries. In the United States, more than 10,000 failure incidents have been reported in gas transmission pipelines in a 20-year period from 1996 to 2016 leading to a cumulative property damage of more than $748 million. Among different failure sources, corrosion is ranked as the most frequent one, corresponding to approximately a quarter of total failures. Though in-line inspection is counted as the most frequently applied corrosion monitoring technique for oil and gas pipelines, it imposes considerable costs due to the necessity of implementing frequent inspections using smart devices. For this reason, several failure prediction models have been developed to estimate the corrosion failure. However, the majorities of these prediction models rely solely on experimental tests or limited historical records which undermine the extent of their applicability and ignore pipeline environmental and geographical circumstances. The objective of this research is to develop failure prediction models for external corrosion in underground gas transmission pipelines by considering both conventional and environmental/geographical variables. For this objective, multiple regression analysis was performed on the accessible historical data reported for gas transmission pipelines. Two main climate regions of Great Plains and South East in the US were selected, and their corresponding failure prediction models were developed. Such development was based on a step by step procedure analyzing different scenarios. Considering diagnostic measures, null hypothesis and residual analysis, scenario 3 was selected as satisfactory. The validation tests of the developed models present a root mean square error (RMSE) of 0.04 and 0.07 and R-Sq of 0.93 and 0.75, respectively. The results of this research can be applied in maintenance planning of gas transmission pipeline to estimate the critical time in which a pipeline may encounter external corrosion failure, and to accordingly schedule the maintenance activities.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».