Geri Dön

Boru hatlarında arıza durumlarının grafik evrişimli sinir ağları (GCN) ile tespiti

Detection of fault situations in pipelines with graph convolutional neural networks (GCN)

PDF İndir

  1. Tez No: 838681
  2. Yazar: ERSİN ŞAHİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN YÜCE
  4. Tez Türü: Doktora
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 222

Özet

Bu çalışmada boru hatları graflar ile temsil edilmektedir. Boru hatlarında meydana gelen sızıntı veya tıkanıklık gibi arızaları tespit etmek için grafik temelli makine öğrenmesi modeli GCN önerilmektedir. GCN modelinin ihtiyaç duyduğu veriler beş farklı senaryo için toplanmış ve her bir senaryo için veri setleri oluşturulmuştur. GCN modelinin arıza tespit performansı diğer grafik makine öğrenme modelleri; RGCN, SGC, PPNP/APPNP, GAT, HinSAGE ve GraphSAGE ile kıyaslanmıştır. Ayrıca arızaların önceden tahmin edilmesi amacıyla sızıntı ve tıkanma senaryosu ele alınmıştır. Bu bağlamda, GCN modelinin arızaların önceden tahmin edebilme performansı klasik makine öğrenme modeli Destek Vektör Makinesinin (SVM) performansı ile kıyaslanmıştır. Bir sızıntı senaryosu üzerinden arızaya müdahale önceliği incelenmiştir. Boru hatlarındaki arızaların tespiti için literatürde tespit edilen makine öğrenme modellerinin %78,51 ile %99 arasında performansa sahip oldukları görülmektedir. Bu çalışma kapsamında ise GCN, GraphSAGE, HinSAGE ve RGCN algoritmalarının sırasıyla %91, %90, %87 ve %89 doğruluk oranlarıyla arıza tespiti yapabildiği görülmektedir. Bu sonuçlar, GCN modelinin literatürdeki ortalamanın üzerinde bir performans sergilediğini göstermektedir. Gelecekteki çalışmalarda boru hatlarındaki arızaların yerinin tespit edilmesi üzerine odaklanılacaktır.

Özet (Çeviri)

Pipelines are used in a wide range from the transportation of energy resources to the transmission of water resources. However, oil and gas leaking from pipelines can cause serious damage to the environment. Therefore, accurate detection of pipeline failures is extremely important to prevent economic losses and protect the environment. In this study, pipelines are represented by graphs. A graph-based machine learning model GCN is proposed to detect failures such as leaks or blockages occurring in pipelines. The data required by the GCN model were collected for five different scenarios and data sets were created for each scenario. The fault detection performance of the GCN model has been compared with other graphical machine learning models; RGCN, SGC, PPNP/APPNP, GAT, HinSAGE and GraphSAGE. In addition, the leakage and blockage scenario has been considered in order to predict the failures in advance. In this context, the predictive failure performance of the GCN model was compared with the performance of the classical machine learning model Support Vector Machine (SVM). The priority of failure response over a leak scenario has been examined. It is observed that the machine learning models identified in the literature for the detection of Decrements in pipelines have a performance between 78.51% and 99%. Within the scope of this study, it is seen that GCN, GraphSAGE, HinSAGE and RGCN algorithms can perform fault detection with 91%, 90%, 87% and 89% accuracy rates respectively. These results show that the GCN model has an above-average performance in the literature. Future studies will focus on determining the location of failures in pipelines.

Benzer Tezler

  1. Tez No

    621492

    Doğalgaz basınç düşürme ve ölçüm istasyonları (RMS-A) kokulandırma sistemlerinin çevresel etkilerinin incelenmesi

    Investigation of environmental impacts of odorization systems in natural gas pressure reducing and metering stations (RMS-A)

    HASAN SARIKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL TORÖZ

    DR. ÖĞR. ÜYESİ CEVAT ÖZARPA

  2. Tez No

    436153

    Su ve kanalizasyon sistemlerinin onarımında kullanılan teknolojik yöntemler ve bunların sosyal ve ekonomik kazanımları

    Technological methods used in repairing water and sewerage systems and their social and economic benefits

    CEMALETTİN KALELİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Çevre Mühendisliğiİstanbul Sabahattin Zaim Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. ADEM ESEN

  3. Tez No

    155857

    Scada uyumlu bir TR ünitesi tasarımı, yapımı ve petrol boru hatları için uygulaması

    The design and construction of a scada interactive TR unit and its application for petrol pipe line

    HİLMİ IŞIK

    Doktora

    Türkçe

    Türkçe

    2004

    KazalarGazi Üniversitesi

    Kazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı

    PROF.DR. SERPİL EROL

  4. Tez No

    464843

    İçme suyu ve kanalizasyon boru hatlarının deprem performansı

    Earthquake performance of water supply and sewage pipeline systems

    SERKAN ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Deprem MühendisliğiMaltepe Üniversitesi

    Yapı ve Deprem Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEYİT ÇERİBAŞI

  5. Tez No

    57021

    Bilgisayar destekli tali havalandırma tasarımı

    Computer aided design of auxiliary ventilation

    MUSTAFA ÖNDER

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Maden Mühendisliği ve MadencilikEskişehir Osmangazi Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ.DR. SAİM SARAÇ

Geri Dön