Диагностирование и определение аномальных зон магистральных трубопроводов на подводных переходах с использованием цифровой модели рельефа
+7 (383) 343-12-55 vestnik@ssga.ru
Ru
En
Ru
En
Авторам публикаций
Вестник СГУГиТАрхив журнала Диагностирование и определение аномальных зон магистральных трубопроводов на подводных переходах с использованием цифровой модели рельефа

Диагностирование и определение аномальных зон магистральных трубопроводов на подводных переходах с использованием цифровой модели рельефа

Геодезия и маркшейдерия
УДК: 622.692.4.053:004.9
DOI: 10.33764/2411-1759-2023-28-1-33-44
М. Г. Мустафин 1, Н. С. Павлов 1, В. А. Вальков 1, Б. Ю. Васильев 1
Год: 2023
Том: 28
№: 1
Страницы: 33 - 44
1 Санкт-Петербургский горный университет, г. Санкт-Петербург, Российская Федерация

Финансирование: -

Аннотация:

В статье рассмотрены вопросы геодезического обеспечения мониторинга технического состояния подводных переходов магистральных газопроводов (ППМГ). Целью исследования является увеличение точности определения глубины залегания газопровода на участках подводных переходов магистральных газопроводов путем учета зон ошибочного определения положения трубопровода (аномальных зон)  и поверхности дна над ППМГ. Главной проблемой в определении технического состояния участка газопровода на подводном переходе магистрального газопровода является сложность определения глубины залегания газопровода из-за влияния на измерительные приборы (подводные трассоискатели) внешних факторов (слагающий дно грунт, сторонние конструкции и коммуникации). В исследовании указаны точность построения цифровых моделей рельефа (ЦМР) дна, от которых проводится вычисление защитного валика над газопроводом, что влияет на определение технического состояния, и причины возникновения аномальных зон, а также способы их определения. Изучены варианты увеличения точности вычисления глубин залегания газопровода с учетом данных ЦМР. Предлагается подход к определению метода пространственной интерполяции для построения ЦМР дна по данным эхолокации в зависимости от изменения кривизны поверхности. Авторами отмечена взаимосвязь определения критерия технического состояния подводного перехода с точностью построения ЦМР и определением пространственного положения трубопровода. Предлагаемые подходы направлены на уменьшение влияния систематической части погрешности и повышение точности глубин залегания, что является актуальной задачей.  

Ключевые слова (RU):

ЦМР, облако точек, методы пространственной интерполяции, средняя квадратическая погрешность, кригинг, радиальная базисная функция, естественный сосед, ближайший сосед, триангуляция, минимальная кривизна, подводные переходы магистральных газопроводов, гидрографическая съемка

Ключевые слова (EN):

DEM, point cloud, spatial interpolation methods, mean square error, kriging, radial basis function, natural neighbor, nearest neighbor, triangulation, minimum curvature, underwater crossings of gas pipelines, hydrographic survey

Читать статью Скачать JATS XML

Библиографический список:

  1. Coppard C. et al. Assessment of subsea pipelines // Annual Conference of the Australasian Corrosion Association 2014: Corrosion and Prevention 2014. – Australasian Corrosion Association, 2014.
  2. Мурзинцев П. П., Гринь Г. А. Геодезический мониторинг подводных переходов магистральных газопроводов // ГЕО-Сибирь-2006. Междунар. науч. конгр. : сб. материалов в 6 т. (Новосибирск, 24–28 апреля 2006 г.). – Новосибирск : СГГА, 2006. Т. 1, ч. 1. – С. 133–136.  
  3. Antonov A. A. et al. Instrumental methods of examining the underwater crossing of TGPL across the river Lena and evaluating the changes in its stress-strain state // Procedia Structural Integrity. – 2019. –  Vol. 20. – P. 270–277. – DOI 10.1016/j.prostr.2019.12.151.
  4. Zhang T., Xu X., Xu S. Method of establishing an underwater digital elevation terrain based on kriging interpolation // Measurement. – 2015. – Vol. 63. – P. 287–298.
  5. Habib M. et al. Impact of interpolation techniques on the accuracy of large-scale digital elevation model // Open Geosciences. – 2020. – Vol. 12, No. 1. – P. 90–202. – DOI 10.1515/geo-2020-0012.
  6. Li L. et al. The effects of DEM interpolation on quantifying soil surface roughness using terrestrial LiDAR // Soil & Tillage Research. – 2020. – Vol. 198. – P. 104520.
  7. Pavlova A. I. Analysis of elevation interpolation methods for creating digital elevation models // Optoelectronics, Instrumentation and Data Processing. – 2017. – Vol. 53, No. 2. – P. 171–177.
  8. Корнилов Ю. Н., Кулеш В. В. Применение методов лазерного сканирования при анализе геометрических параметров поверхностей объекта // Записки Горного института. – 2012. – Т. 199. – С. 334–337.
  9. Кольцов П. В. Методика безотражательных наблюдений за деформирующимися участками бортов карьеров и отвалов // Записки Горного института. – 2012. – Т. 198. – С. 65–69.  
  10. Нестеренко Е. А. Способ планирования маркшейдерско-геодезических съемок отвалов и складов лазерно-сканирующими системами // Записки Горного института. – 2011. – Т. 190. – С. 292–296.
  11. Нестеренко Е. А. Рациональное применение лазерно-сканирующих систем // Записки Горного института. – 2012. – Т. 199. – С. 344–348.
  12. Habib M. Evaluation of DEM interpolation techniques for characterizing terrain roughness // Catena. – 2021. – Vol. 198. – DOI 10.1016/j.catena.2020.105072.
  13. Bui L. K., Glennie C. L., Hartzell P. J. Rigorous Propagation of LiDAR Point Cloud Uncertainties to Spatially Regular Grids by a TIN Linear Interpolation // IEEE Geoscience and Remote Sensing Letters. – Institute of Electrical and Electronics Engineers Inc., 2022. Vol. 19. – DOI 10.1109/LGRS.2021.3134587. 14. Boreggio M., Bernard M., Gregoretti C. Evaluating the differences of gridding techniques for digital elevation models generation and their influence on the modeling of stony debris flows routing: A case study from rovina di cancia basin (North-eastern Italian alps) // Frontiers in Earth Science. – 2018. – Vol. 6. – P. 89. – DOI 10.3389/feart.2018.00089.
  14. Ajvazi B., Czimber K. A comparative analysis of different DEM interpolation methods in GIS: case study of Rahovec, Kosovo // Geodesy and Cartography. – 2019. – Vol. 45, No. 1. – P. 43–48.
  15. Thompson D. et al. MBARI mapping AUV operations: In the Gulf of California // OCEANS 2012 – MTS/IEEE: Harnessing the Power of the Ocean. – 2012. – DOI 10.1109/oceans.2012.6404882.
  16. Гринь Г. А., Мурзинцев П. П. Геодезический мониторинг подводных переходов трубопроводов на территории Западной Сибири // ГЕО-Сибирь-2008. IV Междунар. науч. конгр. : сб. материалов  в 5 т. (Новосибирск, 22–24 апреля 2008 г.). – Новосибирск : СГГА, 2008. Т. 1, ч. 1. – С. 150–156.
  17. РД 51-3–96. Регламент по техническому обслуживанию подводных переходов магистральных газопроводов через водные преграды – 70 с. [Электронный ресурс]. – Режим доступа: http://www.tehlit.ru/1lib_norma_doc/53/53482/index.htm (дата обращения: 10.09.2022).
  18. СТО Газпром 2-2.3-1059–2016. Комплексное техническое диагностирование подводных переходов подводных переходов магистральных газопроводов. – М. : ООО «Газпром экспо». – 189 с.  
  19. Wilson M. F. J. et al. Multiscale terrain analysis of multibeam bathymetry data for habitat mapping on the continental slope // Marine Geodesy. – 2007. – Vol. 30, No. 1–2. – P. 3–35.
  20. Heritage G. L. et al. Influence of survey strategy and interpolation model on DEM quality // Geomorphology. – 2009. – Vol. 112, No. 3–4. – P. 334–344.
  21. Ikechukwu M. N. et al. Accuracy Assessment and Comparative Analysis of IDW, Spline and Kriging in Spatial Interpolation of Landform (Topography): An Experimental Study // Journal of Geographic Information System. – 2017. – Vol. 09, No. 03. – P. 354–371.
  22. Chen C., Yue T. A method of DEM construction and related error analysis // Computational Geosciences. – 2010. – Vol. 36, No. 6. – P. 717–725.
  23. Takahashi A., Oguchi T., Sugimori H. Effects of digital elevation model resolution on topographic representation: A case study in the Tama area, western Tokyo // Geographical Review of Japan. – 2003. – Vol. 76, No. 11. – P. 800–818.
  24. Arun P. V. A comparative analysis of different DEM interpolation methods // The Egyptian Journal of Remote Sensing and Space Science. – 2013. – Vol. 16, No. 2. – P. 133–139.
  25. Guo Q. et al. Effects of topographie variability and lidar sampling density on several DEM interpolation methods // Photogrammetric Engineering and Remote Sensing. – 2010. – Vol. 76, No. 6. – P. 701–712.
  26. McRoberts R. E. et al. Using genetic algorithms to optimize k-Nearest Neighbors configurations for use with airborne laser scanning data // Remote Sensing of Environment. – 2016. – Vol. 184. – P. 387–395.
  27. Majdisova Z., Skala V. Big geo data surface approximation using radial basis functions: A comparative study // Computational Geosciences. – 2017. – Vol. 109. – P. 51–58.
  28. Pouderoux J. et al. Adaptive hierarchical RBF interpolation for creating smooth digital elevation models // GIS: Proceedings of the ACM International Symposium on Advances in Geographic Information Systems. – Association for Computing Machinery (ACM), 2004. – P. 232–240.
  29. Нестеренко Е. А. Возможность использования сплайн-поверхности для построения поверхностей по результатам съемок // Записки Горного института. – 2013. – Т. 204. – С. 127–133.