A Probabilistic Method for Assessing Pipeline Strain Demand Using InSAR Ground Movement Data
Notice bibliographique
Résumé
Abstract Ground movement hazards, such as landslides, ground settlement, and heave, pose a major threat to buried pipelines and resulted in $391M USD in property damages in the United States from 2002 to 2021. The dynamic nature of ground movement makes it necessary to actively model and predict pipeline integrity in order to maintain a reliable pipeline network. Strain-based design and assessment (SBDA) methods excel at predicting pipeline failure in the presence of large longitudinal strains that commonly result from ground movement hazards. Applying SBDA methods to operational pipelines requires the estimation of strain demand, the strain induced on the pipeline. Synthetic Aperture Radar (SAR) data, acquired by satellite, can be used to compute ground movement using SAR interferometry (InSAR). When combined with pipe-soil interaction (PSI) modeling, InSAR offers an attractive method for estimating strain demand; InSAR can cover large areas of interest and provide precise ground displacement measurements at a high spatial and temporal resolution. This paper presents a probabilistic method for predicting pipeline strain demand using ground movement data computed with InSAR. Pipe-soil interaction models from prior research were integrated into a Bayesian network (BN) which accounts for the environmental effects on pipeline displacement. Model performance was tested using a landslide case study in which the predicted axial strain was within reason. However, the model needs further work to accurately predict bending strain. The high resolution of InSAR data and the use of BN models enable the probabilistic evaluation of strain demand without the need for finite element method (FEM) models. The proposed method can empower pipeline companies to perform pipeline integrity assessments with greater ease, promoting a fast and data-informed response to ground movement hazards.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».