Pipeline Leakage Detection via Extreme Seeking Entropy

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F24%3A43930917" target="_blank" >RIV/60461373:22340/24:43930917 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-031-53549-9_7" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-53549-9_7</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-53549-9_7" target="_blank" >10.1007/978-3-031-53549-9_7</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Pipeline Leakage Detection via Extreme Seeking Entropy
Popis výsledku v původním jazyce
In this article, we present a case study of pipeline leakage detection via an adaptive novelty detection algorithm. The detection is based on an affine projection filter applied to a sound recording of the pipeline outlet. Adaptive weight increments of the filter are evaluated by the Extreme Seeking Entropy algorithm to estimate the amount of novelty in data. The suitability of the proposed approach is presented in three case studies where the leakage was simulated in the degassing process model by increasing the discharge flow. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2024.
Název v anglickém jazyce
Pipeline Leakage Detection via Extreme Seeking Entropy
Popis výsledku anglicky
In this article, we present a case study of pipeline leakage detection via an adaptive novelty detection algorithm. The detection is based on an affine projection filter applied to a sound recording of the pipeline outlet. Adaptive weight increments of the filter are evaluated by the Extreme Seeking Entropy algorithm to estimate the amount of novelty in data. The suitability of the proposed approach is presented in three case studies where the leakage was simulated in the degassing process model by increasing the discharge flow. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2024.

Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Software Engineering Methods in Systems and Network Systems
ISBN
978-3-031-53548-2
ISSN
2367-3370
e-ISSN
2367-3389
Počet stran výsledku
8
Strana od-do
67-74
Název nakladatele
Springer Cham
Místo vydání
Cham
Místo konání akce
Virtual, Online
Datum konání akce
12. 4. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)