文献

J-GLOBAL ID：202202251090435921   整理番号：22A0439787

海底石油パイプラインのモデル腐食劣化へのKPCA-BRANNベースデータ駆動アプローチ【JST・京大機械翻訳】

A KPCA-BRANN based data-driven approach to model corrosion degradation of subsea oil pipelines

著者 (5件)： Li Xinhong (School of Resources Engineering, Xi’an University of Architecture and Technology, No.13 Yanta Road, Xi’an 710055, China) ,  Jia Ruichao (School of Resources Engineering, Xi’an University of Architecture and Technology, No.13 Yanta Road, Xi’an 710055, China) ,  Zhang Renren (School of Resources Engineering, Xi’an University of Architecture and Technology, No.13 Yanta Road, Xi’an 710055, China) ,  Yang Shangyu (State Key Laboratory of Performance and Structural Safety for Petroleum Tubular Goods and Equipment Materials, CNPC Tubular Goods Research Institute, Xi’an 710077, China) ,  Chen Guoming (Center for Offshore Engineering and Safety Technology (COEST), China University of Petroleum (East China), Qingdao 266580, China)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 219  ページ： Null  発行年： 2022年 
JST資料番号： D0980B  ISSN： 0951-8320  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 腐食は海上石油パイプラインの構造劣化の重要な理由であり,重大な経済的損失と環境汚染を引き起こす。今日,ディジタル化デバイスは多くのモニタリングデータを利用できるようになった。モニタリングデータに基づく腐食劣化の予測は,海上石油パイプラインの腐食破壊を防止するための効率的なツールになる。本論文は,海上石油パイプラインの腐食劣化予測のための新しいデータ駆動モデルを開発するために,KPCAとBRANN技術を統合した。モデルは,元のモニタリングデータから冗長な情報を除去でき,正則化制約によってロバスト性を改善する。KPCAを適用してパイプライン腐食に影響する因子の寸法を低減し,腐食変数の抽出主成分をBRANNに入力して腐食劣化予測モデルを構築した。次元縮小によるデータを訓練セットと検証セットに分割した。モデルをBRANN単独およびKPCA-LMANNモデルと比較し,KPCA-BRANNモデルがロバスト性および予測精度(MSE=0.46%;R2=0.99)において優位性を示した。提案したモデルはデジタル化プロセス安全システムのオンライン予測モジュールとして使用可能であり,腐食した海底パイプラインの信頼性評価と保全計画をサポートする。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *腐食 ,  環境汚染 ,  冗長性 ,  *石油 ,  正則化 ,  次元縮小 ,  海底パイプライン ,  ロバスト性 ,  セキュリティシステム ,  予測モデル
準シソーラス用語： 信頼性評価 ,  予測精度 ,  オンライン ,  *データ駆動 ,  *腐食劣化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 腐食速度の予測 ,  海底石油パイプライン ,  KPCA ,  BRANN ,  機械学習

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (7件)： 海底 ,  石油 ,  パイプライン ,  モデル ,  腐食劣化 ,  KPCA ,  データ駆動