인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study proposes a data-driven reduced-order modeling framework for reconstructing the full pressure field using sparse sensor information. Accurate state estimation of natural gas pipeline systems is a fundamental requirement for ensuring operational safety, maintaining supply reliability, and supporting advanced monitoring and control. The presence of sensor fault and missing measurements, however, often degrades the quality of full-field reconstructions in practical applications. Proper Orthogonal Decomposition(POD) is first applied to extract dominant spatial modes, and the Discrete Empirical Interpolation Method(DEIM) is used to select optimal sensor locations based on the extracted modes. Dynamic Mode Decompositon with control(DMDc) is then employed to model system dynamics while incorporating control inputs. The full state dynamics are recursively reconstructed using only the selected sparse measurements. Quantitative evaluations, based on root-mean-square error(RMSE) metric, demonstrate that the proposed DEIM-DMDc framework enables accurate and robust pessure field reconstrution even under sensor noise and data loss, offering a promising approach for reduced-sensor monitoring of large-scale natural gas infrastructures.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093862419
