کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10321946 | 660792 | 2013 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Oil and gas pipeline failure prediction system using long range ultrasonic transducers and Euclidean-Support Vector Machines classification approach
ترجمه فارسی عنوان
سیستم پیش بینی خطای خط لوله نفت و گاز با استفاده از مبدل های اولتراسونیک بلند مدت و طبقه بندی روش های طبقه بندی بردار های اقلیدس
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
نقص های خط لوله نفت و گاز، فرستنده اولتراسونیک دور برد، پشتیبانی از ماشین های بردار تابع فاصله اقلیدس، عملکرد هسته، پارامتر حاشیه نرم
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
⺠This paper presents an oil and gas pipeline failure prediction system using LRUT in conjunction with Euclidean-SVM approach. ⺠The conventional NDT pipeline failure prediction systems are deployed at pre-determined intervals. ⺠LRUT pipeline failure prediction system with Euclidean-SVM provides continuous monitoring for pipelines and makes decision without human errors and misinterpretations. ⺠In contrast to the conventional SVM, Euclidean-SVM is less dependent on the choice of the kernel function and parameters. ⺠Experimental results show that Euclidean-SVM has more consistent and better classification performance as compared to the conventional SVM.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 40, Issue 6, May 2013, Pages 1925-1934
Journal: Expert Systems with Applications - Volume 40, Issue 6, May 2013, Pages 1925-1934
نویسندگان
Lam Hong Lee, Rajprasad Rajkumar, Lai Hung Lo, Chin Heng Wan, Dino Isa,