PR-271-143716-R02 Bayesian Belief Network (BBN) Decision Support for Pipeline Third Party Interference
Notice bibliographique
Résumé
Satellite monitoring offers unique advantages to the industry in meeting the objectives of managing third-party encroachment to mitigate the potential of mechanical damage. Satellite monitoring of third-party encroachment involves a persistent acquisition of satellite imagery over a pipeline right-of-way (ROW), combined with computerized change detection to identify potentially hazardous activities. Monitoring using satellite synthetic aperture radar (SAR) provides an all-weather day or night monitoring of a specific geographic location. This monitoring service can be enhanced with third-party information to increase the confidence in targets detected within satellite imagery. This information can also be used to reduce false positives. A simplistic example of this would be to use road location information overlaid with target information. A target found on a road, such as a tractor-trailer rolling down a highway, represents a small risk to a pipeline and subsequently can be given a lower risk or even be removed as a threat altogether. On the other hand, a large vehicle in a field near a pipeline and not on a road may represent a higher risk to a pipeline. The higher confidence data in-turn allows pipeline integrity operations staff to focus on the higher probability targets, saving time and resources, while maintaining safety standards. This concept has been implemented in the form of a Bayesian Belief Network (BBN) Decision Support System (DSS) that integrates with CalPoly's Representational State Transfer Access for Pipeline Integrity Database (RAPID). RAPID houses multiple data sources such as roads, utilities, agriculture, and construction information to increase target confidence. Both the BBN-DSS and RAPID were developed under the same DOT Cooperative Agreement (OASRTRS-14-H-CAL).
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,188 | 0,074 |
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 ».