Comparison of Pressure Decay Models for Liquid Pipelines
Notice bibliographique
Résumé
Abstract This paper presents a comparative study of various models in characterizing the reduction of pressure severity along the length of a given liquid pipeline section. Four models were considered in this study, namely the API RP1176 model, CEPA model, SSI Linear Interpolation model and Pressure Range Linear interpolation model. A total of 132 sets of pressure spectra from TC Energy’s liquid pipelines were collected. Each set includes three pressure spectra, namely one pressure spectrum from a given intermediate valve station and other two pressure spectra from the discharge end of its immediate upstream pump station and the suction end of its immediate downstream pump station. The SSI is used to characterize the severity of a given pressure spectrum. To quantify the uncertainties of the model error associated with the four pressure decay models, the calculated SSI based on the spectrum from the intermediate valve station is compared with the model-predicted SSI at the location of the intermediate valve station based on the SSIs of the upstream discharge and downstream suction pressure spectra. The comparative analyses indicate that the CEPA model is the most accurate and precise model in evaluating the pressure decay along the length of a given pipeline section, and in a descending order followed by Pressure Range Linear Interpolation model, API RP1176 model, and SSI Linear Interpolation model. A fitness-for-service assessment program for liquid pipeline can incorporate the probabilistic characteristics of the model error associated with each of the four models derived based on the 132 sets of pressure 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.
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 | 0,000 |
| 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 ».