Algoritmo de calibração híbrido em duas etapas de regressão por vetor de suporte e K-vizinhos mais próximos

Erros nas medições de ferramentas não destrutivas de pipeline podem levar a decisões incorretas, causando perdas econômicas e ambientais, ou falhas no sistema. Modelos de calibração são uma ferramenta eficaz utilizada para melhorar a qualidade das medições de corrosão afetadas pela precisão de dimensionamento das ferramentas de inspeção inline. Modelos de calibração paramétricos estão limitados a conjuntos de dados com comportamento Gaussiano. Por outro lado, modelos de calibração não paramétricos podem superar a limitação da normalidade, no entanto, eles fornecem apenas uma estimativa local ou geral. Este artigo apresenta um novo modelo de calibração híbrido que é baseado na interpolação de K vizinhos mais próximos em duas etapas e regressão por vetor de suporte. O modelo híbrido sugerido utiliza comportamentos de estimativa geral e local para o processo de calibração, resultando em uma melhor previsão. O algoritmo híbrido foi avaliado utilizando um conjunto de dados de medições de corrosão de pipeline coletadas por um sensor de Vazamento de Fluxo Magnético (MFL) (com uma margem de erro de ±20% dos valores verdadeiros), e um dispositivo Ultrassônico (UT) (com uma margem de erro de ±4%). A abordagem sugerida resultou na redução dos erros nas medições de corrosão MFL para apenas ±6.82% em vez do original ±20%.