Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2507.16416

帮助 | 高级搜索

统计学 > 方法论

arXiv:2507.16416 (stat)
[提交于 2025年7月22日 ]

标题: 基于贝叶斯块极值阈值方法的换热管腐蚀评估

标题: A Bayesian block maxima over threshold approach applied to corrosion assessment in heat exchanger tubes

Authors:Jess Spearing, Jarno Hartog
摘要: 腐蚀对许多工业过程构成障碍,尽管可以直接测量腐蚀,但通常需要统计方法来校正测量误差或在无法获得测量数据时外推腐蚀严重程度的估计值。 本文考虑了换热器管中的腐蚀问题,其中腐蚀通常以每根被检查管的最大蚀坑深度来表示,而只有少数管子被检查,这表明极值理论(EVT)是合适的方法。 然而,在换热器数据的分析中,浅层管最大蚀坑通常不能被视为极端值;尽管之前的EVT方法假设所有数据都是极端的。 我们通过引入一个阈值——建议采用阈值上的块最大值方法,这有助于在模型参数和预测最大蚀坑深度方面进行更稳健的推断。
摘要: Corrosion poses a hurdle for numerous industrial processes, and though corrosion can be measured directly, statistical approaches are often required to either correct for measurement error or extrapolate estimates of corrosion severity where measurements are unavailable. This article considers corrosion in heat exchangers tubes, where corrosion is typically reported in terms of maximum pit depth per inspected tube, and only a small proportion of tubes are inspected, suggesting extreme value theory (EVT) as suitable methodology. However, in data analysis of heat exchanger data, shallow tube-maxima pits often cannot be considered as extreme; although previous EVT approaches assume all the data are extreme. We overcome this by introducing a threshold - suggesting a block maxima over threshold approach, which leads to more robust inference around model parameters and predicted maximum pit depth.
评论: 15页,10图
主题: 方法论 (stat.ME) ; 应用 (stat.AP)
引用方式: arXiv:2507.16416 [stat.ME]
  (或者 arXiv:2507.16416v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.16416
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jess Spearing [查看电子邮件]
[v1] 星期二, 2025 年 7 月 22 日 10:07:51 UTC (582 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
stat
stat.AP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号