Response of Buried Pipelines Under Permanent Ground Movements: Physics-Informed Deep Neural Network Approach
Notice bibliographique
Résumé
Abstract Long-distance underground pipelines are inexorably constructed over harsh geological fields exposing them to geohazards resulting in both transient and permanent ground movement. The permanent ground movements caused by landslides, liquefaction, ground subsidence, slope failures, fault movement, etc., can result in large deformation threatening the safety and integrity of the pipelines. Therefore, evaluation of the structural response, i.e., displacement and strain fields of the buried pipelines exposed to the permanent ground displacement is a major concern for the industry. The mechanical and physical behavior of the pipelines subjected to ground movement can be described mathematically using nonlinear Partial Differential Equations (PDEs) by adopting the Euler-Bernoulli beam theory with large deformation. The model takes into account the nonlinearities caused by the pipe-soil interaction and pipe geometry. Various methods, including the Finite Element Method (FEM) and Finite Difference Method (FDM), can be used to solve the nonlinear PDEs and thus predict the structural response. However, the FEM usually requires complicated simulation using costly commercial software. Also, both the FE and FD methods are mesh-dependent. On this basis, this research endeavor proposes and utilizes an inexpensive, novel, easy-to-implemented, simulation-free, and meshless method to get the response. As a result, Physics-Informed Neural Networks (PINNs), deep-learning neural networks that consider the underlying law of physics in PDEs, can be a potential strategy to deal with PDEs with high complexity. To this end, the neural networks thoroughly learn based on the incorporated physical laws together with the boundary and/or initial conditions, eliminating the need for large training datasets. The obtained structural response, applicability, and accuracy of the predicted results of the proposed method are assessed by comparison with the obtained results from FEM.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».