CN113761212A - 基于管道完整性的知识图谱构建方法及装置 - Google Patents
基于管道完整性的知识图谱构建方法及装置 Download PDFInfo
- Publication number
- CN113761212A CN113761212A CN202010483798.5A CN202010483798A CN113761212A CN 113761212 A CN113761212 A CN 113761212A CN 202010483798 A CN202010483798 A CN 202010483798A CN 113761212 A CN113761212 A CN 113761212A
- Authority
- CN
- China
- Prior art keywords
- entity
- defect
- pipeline
- extraction result
- integrity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 201
- 238000012423 maintenance Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000007547 defect Effects 0.000 claims description 173
- 239000011248 coating agent Substances 0.000 claims description 42
- 238000000576 coating method Methods 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 42
- 238000013461 design Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 235000013399 edible fruits Nutrition 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 16
- 238000004210 cathodic protection Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008439 repair process Effects 0.000 claims description 12
- 238000009933 burial Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Pipeline Systems (AREA)
Abstract
本发明实施例提供一种基于管道完整性的知识图谱构建方法及装置，方法包括：构建管道完整性本体模型；根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；对实体抽取结果和实体属性抽取结果进行规范处理，为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱；从而方便用户在多元化海量数据中获取所需知识，使关于管道管理的数据不再孤立，从而实现为管道运营维护智能决策提供支撑的目标。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于管道完整性的知识图谱构建方法、装置、电子设备及存储介质。
背景技术
近年来，油气管道完整性管理逐渐成为全球管道行业预防事故发生、实现事前预控的重要手段。自引入管道完整性管理理念以来，我国经过吸收再创新，已形成一套完备的、具有我国特色的管道完整性管理技术体系，并在油气管道企业广泛应用推行。随着完整性管理的深入实施，管道建设期数据、内外检测数据、日常运行数据、外部环境数据等得到有效恢复和统一管理。然而，这些海量数据种类和格式多样，大部分都是孤立的，并未实现有效关联，难以充分发挥大数据价值，为管道管理提供实质性指导。
发明内容
针对现有技术中的问题，本发明实施例提供一种基于管道完整性的知识图谱构建方法及装置。
具体地，本发明实施例提供了以下技术方案：
第一方面，本发明实施例提供了一种基于管道完整性的知识图谱构建方法，包括：构建管道完整性本体模型；
根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；
对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；
为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；
根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
进一步地，所述构建管道完整性本体模型，包括：
构建包含管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施六个方面的管道完整性本体模型；
其中，所述管道本体包括设计条件、设计使用年限、服役年限、管道材质、几何属性、位置和完整性状态；
所述管道缺陷包括缺陷类型、缺陷尺寸、缺陷位置、缺陷检测时间、缺陷状态和缺陷适用性；
所述防腐层包括防腐层类型、防腐层整体状况、防腐层破损点和防腐层状态评估时间；
所述环境因素包括高后果区和风险；
所述运行与维护状态包括运行压力和维修响应；
所述安全附属设施包括阴极保护系统、水体保护工程和应急资源；
其中，所述管道本体中的所述设计条件包括设计系数和设计压力；
所述管道本体中的所述管道材质包括规定的最小屈服强度和规定的最小拉伸强度；
所述管道本体中的所述几何属性包括管径和壁厚；
所述管道本体中的所述位置包括起始里程、终止里程、高程、埋深和地理坐标；
所述管道缺陷中的所述缺陷尺寸包括缺陷长度、缺陷深度和缺陷宽度；
所述管道缺陷中的所述缺陷位置包括环向位置和轴向位置；
所述管道缺陷中的所述缺陷适用性包括剩余强度和剩余寿命；
所述环境因素中的所述高后果区包括高后果区类型、高后果区等级、高后果区位置和高后果区识别时间；
所述环境因素中的所述风险包括风险敏感因素、风险等级、风险区段位置和风险评估时间；
所述运行与维护状态中的所述运行压力包括实际运行压力、MAOP值和运行时间；
所述运行与维护状态中的所述维修响应包括响应缺陷、响应方式和响应时间；
所述安全附属设施中的所述阴极保护系统包括阴极保护系统状态和阴极保护系统状态评估时间；
所述安全附属设施中的所述水体保护工程包括水体保护工程状态和水体保护工程状态评估时间；
所述安全附属设施中的所述应急资源包括应急资源状态和应急资源状态评估时间；
所述安全附属设施中的所述维修响应中所述响应缺陷包括缺陷类型和缺陷位置；
其中，所述响应缺陷中的所述缺陷位置包括环向位置和轴向位置。
进一步地，所述根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取，具体包括：
根据管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料，对所述管道完整性本体模型进行实体抽取和实体属性抽取。
进一步地，所述对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果，具体包括：
对实体抽取结果进行实体匹配处理，包括：对实体中的表示同一对象并具有不同标识的实体进行消除歧义抽取，得到统一匹配的实体抽取结果；
对实体属性抽取结果进行模式对齐处理，包括：对实体属性按照位置信息进行对齐与融合，得到规范后的实体属性抽取结果。
进一步地，所述为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则，具体包括：
为规范后的实体抽取结果建立实体关系推理规则，包括：
根据各实体抽取结果对应的位置信息建立各实体抽取结果之间的关联，并根据各实体抽取结果之间的关联，以及，各实体抽取结果之间预先存在的管道特征约束规则，建立各实体抽取结果的关系推理规则；
为规范后的实体属性抽取结果建立实体属性推理规则，包括：
建立管段完整性状态属性与管段每公里缺陷个数、管段剩余强度指征、管段剩余寿命指征、管段高后果区比例、管段风险区段比例、管段防腐层整体状况、管段阴保系统状态、管段水体保护工程状态及管段应急资源状态指标的推理规则；
所述管段每公里缺陷个数由管段上所有缺陷总数与管段总里程数比值确定；
所述管段剩余强度指征由管段MAOP值与管段缺陷剩余强度最小值比值确定；
所述管段剩余寿命指征由管段缺陷剩余寿命最小值与剩余寿命年限的比值确定，所述剩余寿命年限为管段设计使用年限与管段服役年限的差值；
所述管段高后果区比例由管段高后果区总里程数与管段总里程数比值确定；
所述管段风险区段比例由管段风险区段总里程数与管段总里程数比值确定。
第二方面，本发明实施例还提供了一种基于管道完整性的知识图谱构建装置，包括：构建模块，用于构建管道完整性本体模型；
抽取模块，用于根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；
规范处理模块，用于对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；
推理规则模块，用于为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；
知识图谱建立模块，用于根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
进一步地，所述构建模块，具体用于：
构建包含管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施六个方面的管道完整性本体模型；
其中，所述管道本体包括设计条件、设计使用年限、服役年限、管道材质、几何属性、位置和完整性状态；
所述管道缺陷包括缺陷类型、缺陷尺寸、缺陷位置、缺陷检测时间、缺陷状态和缺陷适用性；
所述防腐层包括防腐层类型、防腐层整体状况、防腐层破损点和防腐层状态评估时间；
所述环境因素包括高后果区和风险；
所述运行与维护状态包括运行压力和维修响应；
所述安全附属设施包括阴极保护系统、水体保护工程和应急资源；
其中，所述管道本体中的所述设计条件包括设计系数和设计压力；
所述管道本体中的所述管道材质包括规定的最小屈服强度和规定的最小拉伸强度；
所述管道本体中的所述几何属性包括管径和壁厚；
所述管道本体中的所述位置包括起始里程、终止里程、高程、埋深和地理坐标；
所述管道缺陷中的所述缺陷尺寸包括缺陷长度、缺陷深度和缺陷宽度；
所述管道缺陷中的所述缺陷位置包括环向位置和轴向位置；
所述管道缺陷中的所述缺陷适用性包括剩余强度和剩余寿命；
所述环境因素中的所述高后果区包括高后果区类型、高后果区等级、高后果区位置和高后果区识别时间；
所述环境因素中的所述风险包括风险敏感因素、风险等级、风险区段位置和风险评估时间；
所述运行与维护状态中的所述运行压力包括实际运行压力、MAOP值和运行时间；
所述运行与维护状态中的所述维修响应包括响应缺陷、响应方式和响应时间；
所述安全附属设施中的所述阴极保护系统包括阴极保护系统状态和阴极保护系统状态评估时间；
所述安全附属设施中的所述水体保护工程包括水体保护工程状态和水体保护工程状态评估时间；
所述安全附属设施中的所述应急资源包括应急资源状态和应急资源状态评估时间；
所述安全附属设施中的所述维修响应中所述响应缺陷包括缺陷类型和缺陷位置；
其中，所述响应缺陷中的所述缺陷位置包括环向位置和轴向位置。
进一步地，所述抽取模块，具体用于：
根据管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料，对所述管道完整性本体模型进行实体抽取和实体属性抽取。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述基于管道完整性的知识图谱构建方法。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述基于管道完整性的知识图谱构建方法。
由上面技术方案可知，本发明实施例提供的基于管道完整性的知识图谱构建方法及装置，通过构建管道完整性本体模型；根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱；本发明实施例通过构建管道完整性本体模型，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱，从而方便用户在多元化海量数据中获取所需知识，使关于管道管理的数据不再孤立，从而实现为管道运营维护智能决策提供支撑的目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于管道完整性的知识图谱构建方法的流程图；
图2为本发明一实施例提供的一示例的管道完整性本体模型的示意图；
图3为本发明一实施例提供的一示例的管道完整性的知识图谱示意图；
图4为本发明一实施例提供的基于管道完整性的知识图谱构建装置的结构示意图；
图5为本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明实施例提供的基于管道完整性的知识图谱构建方法的流程图。如图1所示，本发明实施例提供的基于管道完整性的知识图谱构建方法包括如下步骤：
步骤101：构建管道完整性本体模型。
在本步骤中，举例来说，分析梳理管道完整性管理相关因素，构建管道完整性本体模型，例如管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施等。
步骤102：根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取。
在本步骤中，举例来说，管道资料库为管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料等资料，作为管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取。
步骤103：对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果。
在本步骤中，举例来说，规范处理为对实体抽取结果和实体属性抽取结果进行知识融合，知识融合例如为对实体抽取结果进行实体匹配处理，对实体属性抽取结果进行模式对齐处理。
步骤104：为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则。
在本步骤中，举例来说，所述实体关系规则是是对实体间潜在的关系进行推断和理解。如根据所述运行与维护状态中所述维修响应中响应缺陷的缺陷类型和缺陷位置，可确定所述管体缺陷中的缺陷状态为已修复状态。
所述实体属性推理规则是对实体的属性进行推理和更新，一般通过定义计算规则实现。如所述管体缺陷中所述缺陷适用性中的剩余强度，可由缺陷尺寸、管道几何属性、管道材质等，基于剩余强度评价模型计算获得；剩余寿命可由缺陷尺寸、环境因素、设计条件、运行压力等，基于一定的腐蚀速率模型计算获得。
步骤105：根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
在本步骤中，举例来说，根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，存入知识图谱数据层，建立管道完整性的知识图谱。
由上面技术方案可知，本发明实施例提供的基于管道完整性的知识图谱构建方法及装置，通过构建管道完整性本体模型；根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱；本发明实施例通过构建管道完整性本体模型，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱，从而方便用户在多元化海量数据中获取所需知识，使关于管道管理的数据不再孤立，从而实现为管道运营维护智能决策提供支撑的目标。
在上述实施例的基础上，参见图2，在本发明实施例中，所述构建管道完整性本体模型，包括：
构建包含管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施六个方面的管道完整性本体模型；
其中，所述管道本体包括设计条件、设计使用年限、服役年限、管道材质、几何属性、位置和完整性状态；
所述管道缺陷包括缺陷类型、缺陷尺寸、缺陷位置、缺陷检测时间、缺陷状态和缺陷适用性；
所述防腐层包括防腐层类型、防腐层整体状况、防腐层破损点和防腐层状态评估时间；
所述环境因素包括高后果区和风险；
所述运行与维护状态包括运行压力和维修响应；
所述安全附属设施包括阴极保护系统、水体保护工程和应急资源；
其中，所述管道本体中的所述设计条件包括设计系数和设计压力；
所述管道本体中的所述管道材质包括规定的最小屈服强度和规定的最小拉伸强度；
所述管道本体中的所述几何属性包括管径和壁厚；
所述管道本体中的所述位置包括起始里程、终止里程、高程、埋深和地理坐标；
所述管道缺陷中的所述缺陷尺寸包括缺陷长度、缺陷深度和缺陷宽度；
所述管道缺陷中的所述缺陷位置包括环向位置和轴向位置；
所述管道缺陷中的所述缺陷适用性包括剩余强度和剩余寿命；
所述环境因素中的所述高后果区包括高后果区类型、高后果区等级、高后果区位置和高后果区识别时间；
所述环境因素中的所述风险包括风险敏感因素、风险等级、风险区段位置和风险评估时间；
所述运行与维护状态中的所述运行压力包括实际运行压力、MAOP值和运行时间；
所述运行与维护状态中的所述维修响应包括响应缺陷、响应方式和响应时间；
所述安全附属设施中的所述阴极保护系统包括阴极保护系统状态和阴极保护系统状态评估时间；
所述安全附属设施中的所述水体保护工程包括水体保护工程状态和水体保护工程状态评估时间；
所述安全附属设施中的所述应急资源包括应急资源状态和应急资源状态评估时间；
所述安全附属设施中的所述维修响应中所述响应缺陷包括缺陷类型和缺陷位置；
其中，所述响应缺陷中的所述缺陷位置包括环向位置和轴向位置。
由上面技术方案可知，本发明实施例提供的基于管道完整性的知识图谱构建方法，通过管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施的内在关联关系，构建管道完整性本体模型，从而为管道智能管理提供良好的数据基础，充分发挥大数据的价值。
在上述实施例的基础上，在本实施例中，所述根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取，具体包括：
根据管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料，对所述管道完整性本体模型进行实体抽取和实体属性抽取。
在本实施例中，举例来说，将管道设计资料、建设施工竣工资料、运行维护资料、检测评价资料等作为信息来源，基于这些多源异构数据进行实体抽取、关系抽取和属性抽取，梳理出实体、实体之间关系及实体属性。
在本实施例中，为方便理解，提供管道完整性实体关系列表，如下表1所示。
表1管道完整性实体关系列表
| 实体关系 | 关系说明 |
| isPartOf | 表示管段属于管道本体的一部分 |
| happenAt | 表示缺陷产生于管段上 |
| currentStatusIs | 表示管段的运行与维护现状 |
| provideProtectionFor | 表示安全附属设施为管段提供安全防护 |
| isCoatedWith | 表示防腐层涂覆于管段上 |
| isSurroundedBy | 表示管段处于环境中 |
由上面技术方案可知，本发明实施例提供的基于管道完整性的知识图谱构建方法，通过根据管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料，对所述管道完整性本体模型进行实体抽取和实体属性抽取，从而结合实际情况以及多方面资料记载，实现基于多源异构数据的管道完整性知识图谱建立，为管道工程应用提供支撑，解决数据孤岛问题。
在上述实施例的基础上，在本实施例中，所述对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果，具体包括：
对实体抽取结果进行实体匹配处理，包括：对实体中的表示同一对象并具有不同标识的实体进行消除歧义抽取，得到统一匹配的实体抽取结果；
对实体属性抽取结果进行模式对齐处理，包括：对实体属性按照位置信息进行对齐与融合，得到规范后的实体属性抽取结果。
在本实施例中，对实体中的数据将具有不同标识但表示同一对象的实体进行语义消除歧义，为方便理解，举例来说，如将缺陷的“环向位置”、“周向位置”、“时钟方位”统一匹配为缺陷的“环向位置”，如将缺陷的“里程”、“距离上游环焊缝/下游环焊缝/最近参照物的距离”统一匹配为缺陷的“轴向位置”。
在本实施例中，对实体属性抽取结果进行模式对齐处理，包括：对实体属性按照位置信息进行统一对齐与融合，为方便理解，举例来说，如将管道位置中的起始里程、终止里程、埋深、高程与地理坐标进行对齐与融合，将管道本体中的设计条件、管道材质、几何属性等涉及的实体属性与管道位置进行对齐与融合，将管体缺陷、防腐层、环境因素、运行与维护状态、安全附属设施等涉及的实体属性与管道本体进行对齐与融合；例如，将同一实体不同时间的属性按照位置信息进行对齐与融合，如将不同缺陷检测时间下的缺陷尺寸、缺陷类型、缺陷位置等相关属性进行对齐与融合。
由上面技术方案可知，本发明实施例提供的基于管道完整性的知识图谱构建方法，通过实体匹配处理，从而得到消除数据间歧义的实体抽取结果；通过模式对齐处理，从而建立数据间关联关系，避免数据孤岛，从而为管道智能管理提供有力指导。
在上述实施例的基础上，在本实施例中，所述为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则，具体包括：
为规范后的实体抽取结果建立实体关系推理规则，包括：
根据各实体抽取结果对应的位置信息建立各实体抽取结果之间的关联，并根据各实体抽取结果之间的关联，以及，各实体抽取结果之间预先存在的管道特征约束规则，建立各实体抽取结果的关系推理规则；
为规范后的实体属性抽取结果建立实体属性推理规则，包括：
建立管段完整性状态属性与管段每公里缺陷个数、管段剩余强度指征、管段剩余寿命指征、管段高后果区比例、管段风险区段比例、管段防腐层整体状况、管段阴保系统状态、管段水体保护工程状态及管段应急资源状态指标的推理规则；
所述管段每公里缺陷个数由管段上所有缺陷总数与管段总里程数比值确定；
所述管段剩余强度指征由管段MAOP值与管段缺陷剩余强度最小值比值确定；
所述管段剩余寿命指征由管段缺陷剩余寿命最小值与剩余寿命年限的比值确定，所述剩余寿命年限为管段设计使用年限与管段服役年限的差值；
所述管段高后果区比例由管段高后果区总里程数与管段总里程数比值确定；
所述管段风险区段比例由管段风险区段总里程数与管段总里程数比值确定。
在本实施例中，参见图3，举例来说，针对管道完整性本体模型建立知识推理规则，包括实体关系推理规则和实体属性推理规则。
所述实体关系推理规则是对实体间潜在的关系进行推断和理解。举例来说，例如，缺陷剩余强度通过缺陷位置可与管道材质、管径、壁厚等实体建立关系，从而利用管道材质、管径、壁厚等信息计算缺陷剩余强度；例如，缺陷状态通过缺陷位置与响应缺陷建立关系，从而结合缺陷检测时间和缺陷响应时间判定缺陷状态为已修复或为未修复；即根据所述运行与维护状态中所述维修响应中响应缺陷的缺陷类型和缺陷位置，可确定所述管体缺陷中的缺陷状态为已修复状态。此外，实体缺陷与实体防腐层之间通过位置信息也可建立关联，如检测发现存在外部金属损失缺陷的位置，该位置对应的防腐层基本会有破损，反之，防腐层存在破损的位置基本会出现缺陷。
所述实体属性推理规则是对实体的属性进行推理和更新，一般通过定义计算规则实现。例如，建立管段完整性状态属性与管段每公里缺陷个数、管段剩余强度指征、管段剩余寿命指征、管段高后果区比例、管段风险区段比例、管段防腐层整体状况、管段阴保系统状态、管段水体保护工程状态及管段应急资源状态指标的推理规则；所述管段每公里缺陷个数由管段上所有缺陷总数与管段总里程数比值确定；所述管段剩余强度指征由管段MAOP值与管段缺陷剩余强度最小值比值确定；所述管段剩余寿命指征由管段缺陷剩余寿命最小值与剩余寿命年限的比值确定，所述剩余寿命年限为管段设计使用年限与管段服役年限的差值；所述管段高后果区比例由管段高后果区总里程数与管段总里程数比值确定；所述管段风险区段比例由管段风险区段总里程数与管段总里程数比值确定。
由上面技术方案可知，本发明实施例提供的基于管道完整性的知识图谱构建方法，通过为规范后的实体抽取结果建立实体关系推理规则，为规范后的实体属性抽取结果建立实体属性推理规则，从而实现了实体关系和实体属性关系的构建，从而可以基于实体关系和实体属性关系构建管道完整性的知识图谱，从而为企业管道管理人员提供有力支撑，使得管道企业管理人员无需全面的专业知识，即可实现管道维修维护和应急响应的快速准确决策。
图4为本发明一实施例提供的基于知识图谱的管道内腐蚀预测装置的结构示意图，如图4所示，该装置包括：构建模块201、抽取模块202，规范处理模块203、推理规则模块204、知识图谱建立模块205，其中：
其中，构建模块201，用于构建管道完整性本体模型；
抽取模块202，用于根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；
规范处理模块203，用于对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；
推理规则模块204，用于为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；
知识图谱建立模块205，用于根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
本发明实施例提供的基于管道完整性的知识图谱构建装置具体可以用于执行上述实施例所述的基于管道完整性的知识图谱构建方法，其技术原理和有益效果类似，具体可参见上述实施例，此处不再赘述。
基于相同的发明构思，本发明实施例提供一种电子设备，参见图5，所述电子设备具体包括如下内容：处理器310、通信接口320、存储器330和通信总线340；
其中，所述处理器310、通信接口320、存储器330通过所述总线340完成相互间的通信；所述通信接口320用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；所述处理310用于调用所述存储器330中的计算机程序，所述处理器执行所述计算机程序时实现上述各方法实施例所提供的方法，例如，所述处理器执行所述计算机程序时实现下述步骤：构建管道完整性本体模型；根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
基于相同的发明构思，本发明又一实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例提供的方法，例如，所述处理器执行所述计算机程序时实现下述步骤：构建管道完整性本体模型；根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于管道完整性的知识图谱构建方法，其特征在于，包括：
构建管道完整性本体模型；
根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；
对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；
为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；
根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
2.根据权利要求1所述的基于管道完整性的知识图谱构建方法，其特征在于，所述构建管道完整性本体模型，包括：
构建包含管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施六个方面的管道完整性本体模型；
其中，所述管道本体包括设计条件、设计使用年限、服役年限、管道材质、几何属性、位置和完整性状态；
所述管道缺陷包括缺陷类型、缺陷尺寸、缺陷位置、缺陷检测时间、缺陷状态和缺陷适用性；
所述防腐层包括防腐层类型、防腐层整体状况、防腐层破损点和防腐层状态评估时间；
所述环境因素包括高后果区和风险；
所述运行与维护状态包括运行压力和维修响应；
所述安全附属设施包括阴极保护系统、水体保护工程和应急资源；
其中，所述管道本体中的所述设计条件包括设计系数和设计压力；
所述管道本体中的所述管道材质包括规定的最小屈服强度和规定的最小拉伸强度；
所述管道本体中的所述几何属性包括管径和壁厚；
所述管道本体中的所述位置包括起始里程、终止里程、高程、埋深和地理坐标；
所述管道缺陷中的所述缺陷尺寸包括缺陷长度、缺陷深度和缺陷宽度；
所述管道缺陷中的所述缺陷位置包括环向位置和轴向位置；
所述管道缺陷中的所述缺陷适用性包括剩余强度和剩余寿命；
所述环境因素中的所述高后果区包括高后果区类型、高后果区等级、高后果区位置和高后果区识别时间；
所述环境因素中的所述风险包括风险敏感因素、风险等级、风险区段位置和风险评估时间；
所述运行与维护状态中的所述运行压力包括实际运行压力、MAOP值和运行时间；
所述运行与维护状态中的所述维修响应包括响应缺陷、响应方式和响应时间；
所述安全附属设施中的所述阴极保护系统包括阴极保护系统状态和阴极保护系统状态评估时间；
所述安全附属设施中的所述水体保护工程包括水体保护工程状态和水体保护工程状态评估时间；
所述安全附属设施中的所述应急资源包括应急资源状态和应急资源状态评估时间；
所述安全附属设施中的所述维修响应中所述响应缺陷包括缺陷类型和缺陷位置；
其中，所述响应缺陷中的所述缺陷位置包括环向位置和轴向位置。
3.根据权利要求2所述的基于管道完整性的知识图谱构建方法，其特征在于，所述根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取，具体包括：
根据管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料，对所述管道完整性本体模型进行实体抽取和实体属性抽取。
4.根据权利要求2所述的基于管道完整性的知识图谱构建方法，其特征在于，所述对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果，具体包括：
对实体抽取结果进行实体匹配处理，包括：对实体中的表示同一对象并具有不同标识的实体进行消除歧义抽取，得到统一匹配的实体抽取结果；
对实体属性抽取结果进行模式对齐处理，包括：对实体属性按照位置信息进行对齐与融合，得到规范后的实体属性抽取结果。
5.根据权利要求2所述的基于管道完整性的知识图谱构建方法，其特征在于，所述为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则，具体包括：
为规范后的实体抽取结果建立实体关系推理规则，包括：
根据各实体抽取结果对应的位置信息建立各实体抽取结果之间的关联，并根据各实体抽取结果之间的关联，以及，各实体抽取结果之间预先存在的管道特征约束规则，建立各实体抽取结果的关系推理规则；
为规范后的实体属性抽取结果建立实体属性推理规则，包括：
建立管段完整性状态属性与管段每公里缺陷个数、管段剩余强度指征、管段剩余寿命指征、管段高后果区比例、管段风险区段比例、管段防腐层整体状况、管段阴保系统状态、管段水体保护工程状态及管段应急资源状态指标的推理规则；
所述管段每公里缺陷个数由管段上所有缺陷总数与管段总里程数比值确定；
所述管段剩余强度指征由管段MAOP值与管段缺陷剩余强度最小值比值确定；
所述管段剩余寿命指征由管段缺陷剩余寿命最小值与剩余寿命年限的比值确定，所述剩余寿命年限为管段设计使用年限与管段服役年限的差值；
所述管段高后果区比例由管段高后果区总里程数与管段总里程数比值确定；
所述管段风险区段比例由管段风险区段总里程数与管段总里程数比值确定。
6.一种基于管道完整性的知识图谱构建装置，其特征在于，包括：
构建模块，用于构建管道完整性本体模型；
抽取模块，用于根据管道资料库对所述管道完整性本体模型进行实体抽取和实体属性抽取；
规范处理模块，用于对实体抽取结果和实体属性抽取结果进行规范处理，得到规范后的实体抽取结果和实体属性抽取结果；
推理规则模块，用于为规范后的实体抽取结果和实体属性抽取结果建立实体关系推理规则和实体属性推理规则；
知识图谱建立模块，用于根据规范后的实体抽取结果和实体属性抽取结果，以及，实体关系推理规则和实体属性推理规则，建立管道完整性的知识图谱。
7.根据权利要求6所述的基于管道完整性的知识图谱构建装置，其特征在于，所述构建模块，具体用于：
构建包含管道本体、管道缺陷、防腐层、环境因素、运行与维护状态和安全附属设施六个方面的管道完整性本体模型；
其中，所述管道本体包括设计条件、设计使用年限、服役年限、管道材质、几何属性、位置和完整性状态；
所述管道缺陷包括缺陷类型、缺陷尺寸、缺陷位置、缺陷检测时间、缺陷状态和缺陷适用性；
所述防腐层包括防腐层类型、防腐层整体状况、防腐层破损点和防腐层状态评估时间；
所述环境因素包括高后果区和风险；
所述运行与维护状态包括运行压力和维修响应；
所述安全附属设施包括阴极保护系统、水体保护工程和应急资源；
其中，所述管道本体中的所述设计条件包括设计系数和设计压力；
所述管道本体中的所述管道材质包括规定的最小屈服强度和规定的最小拉伸强度；
所述管道本体中的所述几何属性包括管径和壁厚；
所述管道本体中的所述位置包括起始里程、终止里程、高程、埋深和地理坐标；
所述管道缺陷中的所述缺陷尺寸包括缺陷长度、缺陷深度和缺陷宽度；
所述管道缺陷中的所述缺陷位置包括环向位置和轴向位置；
所述管道缺陷中的所述缺陷适用性包括剩余强度和剩余寿命；
所述环境因素中的所述高后果区包括高后果区类型、高后果区等级、高后果区位置和高后果区识别时间；
所述环境因素中的所述风险包括风险敏感因素、风险等级、风险区段位置和风险评估时间；
所述运行与维护状态中的所述运行压力包括实际运行压力、MAOP值和运行时间；
所述运行与维护状态中的所述维修响应包括响应缺陷、响应方式和响应时间；
所述安全附属设施中的所述阴极保护系统包括阴极保护系统状态和阴极保护系统状态评估时间；
所述安全附属设施中的所述水体保护工程包括水体保护工程状态和水体保护工程状态评估时间；
所述安全附属设施中的所述应急资源包括应急资源状态和应急资源状态评估时间；
所述安全附属设施中的所述维修响应中所述响应缺陷包括缺陷类型和缺陷位置；
其中，所述响应缺陷中的所述缺陷位置包括环向位置和轴向位置。
8.根据权利要求7所述的基于管道完整性的知识图谱构建装置，其特征在于，所述抽取模块，具体用于：
根据管道设计资料、建设施工竣工资料、运行维护资料和检测评价资料，对所述管道完整性本体模型进行实体抽取和实体属性抽取。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的基于管道完整性的知识图谱构建方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于管道完整性的知识图谱构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010483798.5A CN113761212B (zh) | 2020-06-01 | 2020-06-01 | 基于管道完整性的知识图谱构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010483798.5A CN113761212B (zh) | 2020-06-01 | 2020-06-01 | 基于管道完整性的知识图谱构建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113761212A true CN113761212A (zh) | 2021-12-07 |
| CN113761212B CN113761212B (zh) | 2024-03-08 |
Family
ID=78782476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010483798.5A Active CN113761212B (zh) | 2020-06-01 | 2020-06-01 | 基于管道完整性的知识图谱构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113761212B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130226616A1 (en) * | 2011-10-13 | 2013-08-29 | The Board of Trustees for the Leland Stanford, Junior, University | Method and System for Examining Practice-based Evidence |
| CN103927604A (zh) * | 2013-01-10 | 2014-07-16 | 中国石油天然气股份有限公司 | 一种油气管道完整性数据技术实施方法 |
| US20170076206A1 (en) * | 2015-09-16 | 2017-03-16 | International Business Machines Corporation | Cognitive Operations Based on Empirically Constructed Knowledge Graphs |
| CN106779152A (zh) * | 2016-11-21 | 2017-05-31 | 天津赛文海工科技有限公司 | 线上油气管道完整性管理平台 |
| CN107368468A (zh) * | 2017-06-06 | 2017-11-21 | 广东广业开元科技有限公司 | 一种运维知识图谱的生成方法及系统 |
| CN108073711A (zh) * | 2017-12-21 | 2018-05-25 | 北京大学深圳研究生院 | 一种基于知识图谱的关系抽取方法和系统 |
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN109086347A (zh) * | 2018-07-13 | 2018-12-25 | 武汉尼维智能科技有限公司 | 一种国际海运危险货物知识图谱系统的构建方法、装置及存储介质 |
| CN109284394A (zh) * | 2018-09-12 | 2019-01-29 | 青岛大学 | 一种从多源数据集成视角构建企业知识图谱的方法 |
| CN110415349A (zh) * | 2019-07-12 | 2019-11-05 | 中冶京诚工程技术有限公司 | 三维管道建模方法及装置 |
| CN111047131A (zh) * | 2018-09-07 | 2020-04-21 | 埃森哲环球解决方案有限公司 | 管道和仪表规划及维护系统 |
-
2020
- 2020-06-01 CN CN202010483798.5A patent/CN113761212B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130226616A1 (en) * | 2011-10-13 | 2013-08-29 | The Board of Trustees for the Leland Stanford, Junior, University | Method and System for Examining Practice-based Evidence |
| CN103927604A (zh) * | 2013-01-10 | 2014-07-16 | 中国石油天然气股份有限公司 | 一种油气管道完整性数据技术实施方法 |
| US20170076206A1 (en) * | 2015-09-16 | 2017-03-16 | International Business Machines Corporation | Cognitive Operations Based on Empirically Constructed Knowledge Graphs |
| CN106779152A (zh) * | 2016-11-21 | 2017-05-31 | 天津赛文海工科技有限公司 | 线上油气管道完整性管理平台 |
| CN107368468A (zh) * | 2017-06-06 | 2017-11-21 | 广东广业开元科技有限公司 | 一种运维知识图谱的生成方法及系统 |
| CN108073711A (zh) * | 2017-12-21 | 2018-05-25 | 北京大学深圳研究生院 | 一种基于知识图谱的关系抽取方法和系统 |
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN109086347A (zh) * | 2018-07-13 | 2018-12-25 | 武汉尼维智能科技有限公司 | 一种国际海运危险货物知识图谱系统的构建方法、装置及存储介质 |
| CN111047131A (zh) * | 2018-09-07 | 2020-04-21 | 埃森哲环球解决方案有限公司 | 管道和仪表规划及维护系统 |
| CN109284394A (zh) * | 2018-09-12 | 2019-01-29 | 青岛大学 | 一种从多源数据集成视角构建企业知识图谱的方法 |
| CN110415349A (zh) * | 2019-07-12 | 2019-11-05 | 中冶京诚工程技术有限公司 | 三维管道建模方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 李玉杏 等: "基于完整性管理的油气长输管道施工信息管理系统的设计", 《石油化工自动化》, vol. 50, no. 5 * |
| 贾庆雷;王强;万庆;白俊波;: "长输管道完整性管理GIS数据模型研究", 地球信息科学, no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113761212B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gomes et al. | Optimal inspection and design of onshore pipelines under external corrosion process | |
| Guédé | Risk-based structural integrity management for offshore jacket platforms | |
| Parvizsedghy et al. | Consequence of failure: Neurofuzzy-based prediction model for gas pipelines | |
| JP4078671B2 (ja) | プラント保全管理方法 | |
| CN111612301A (zh) | 基于权重自调节的燃气埋地管道泄漏风险评估方法及装置 | |
| JP5423983B2 (ja) | 計算機システム及びリスク診断方法 | |
| CN113505990A (zh) | 企业风险评估的方法、装置、电子设备和存储介质 | |
| CN113095524A (zh) | 电力设备检修工作单据智能生成方法、系统及存储介质 | |
| CN104504274B (zh) | 一种管道指标确定方法及装置 | |
| CN113705609A (zh) | 一种油气管道风险判定模型的构建方法和装置 | |
| CN113761212B (zh) | 基于管道完整性的知识图谱构建方法及装置 | |
| CN112380298A (zh) | 一种油气管道缺陷修复的知识图谱构建方法及系统 | |
| CN115392988A (zh) | 一种工程项目造价确定方法、装置、电子设备及存储介质 | |
| CN115906668A (zh) | 一种输电线路山火跳闸预测方法、装置、设备和存储介质 | |
| Zhang et al. | An extended prospect theory for robot evaluation and selection considering risk preferences and interactive criteria | |
| CN113627697B (zh) | 油气管道穿跨越段的失效等级获取方法及装置 | |
| CN114780747A (zh) | 焊接缺陷知识图谱构建方法、焊接缺陷查询方法及系统 | |
| CN111091149B (zh) | 一种基于多源数据融合的燃气泄漏检测方法、系统、终端及计算机存储介质 | |
| KR102556371B1 (ko) | 지하 매설관의 파손 위험 분석 방법 및 장치 | |
| Li et al. | A risk-based maintenance decision model for subsea pipeline considering pitting corrosion growth | |
| Dong et al. | A study on oil pipeline risk assessment technique based on fuzzy analytic hierarchy process | |
| CN113761211A (zh) | 基于知识图谱的管道内腐蚀预测方法及装置 | |
| Kim et al. | A fuzzy inference based reliability method for underground gas pipelines in the presence of corrosion defects | |
| Wang et al. | Diagnosis Index System Setup for Implementation Status Management in Large‐Scale Construction Projects | |
| Uryasev | Analytic perturbation analysis for DEDS with discontinuous sample-path functions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231229 Address after: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen Applicant after: CHINA PETROLEUM & CHEMICAL Corp. Applicant after: Sinopec (Dalian) Petrochemical Research Institute Co.,Ltd. Address before: 100029 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen Applicant before: CHINA PETROLEUM & CHEMICAL Corp. Applicant before: DALIAN RESEARCH INSTITUTE OF PETROLEUM AND PETROCHEMICALS, SINOPEC Corp. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |