Distribution Pipeline Risk Framework
Notice bibliographique
Résumé
Abstract By nature, gas distribution is a network system; it does not fit well with traditional pipeline risk models that assume a linear geometry. Distribution system growth is multigenerational and often leads to mixed assets in the same area where transmission pipeline segments are often constructed within shorter time frames and more uniform materials. Slow, sporadic growth leads to varied record availability and quality that might not readily support commercially available risk models. The project described in this paper was initiated to develop predictive methods to prioritize mitigation and replacement activities for distribution networks. Priority is assigned to areas by risk, equipment characteristics and environmental attributes. In a previous IPC paper, the authors developed a histori-calbased predictive model but applied it to a single city area. This work has been extended to cover the entire province of Saskatchewan. The model relies on logistic regression and a machine learning algorithm to associate the historical failure rate with the asset type, age, pipe material, diameter, pressure, and an array of geographical-dependent attributes such as soil properties and climate events. The output of the model allows integrity engineers to consider predicted failure rates to complement the lagging performance indicators used to develop integrity program planning. This model demonstrates the advantage of using available distribution system records to develop a custom historicalbased predictive model. Consequence estimates for distribution networks are also described. Distribution leaks are often classified into hazard levels that differentiate operational response. These are assigned based on incident data records and SME input to develop an event tree for the consequence of a distribution leak. This paper summarizes the work performed during the project to calculate distribution asset probability of failure and consequences.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».