xpertsystems/oil025-sample

OIL-025 — 合成泄漏检测数据集（样本）是一个免费的、模式一致的数据集预览版本，由XpertSystems.ai开发，专用于石油和天然气中游管道完整性领域。该数据集旨在支持机器学习任务，包括管道泄漏检测、破裂概率预测、声学泄漏特征分类、计算管道监测（CPM）异常检测、泄漏定位和管道完整性评估。样本数据涵盖300条管道、1,500个泄漏事件和180个破裂事件，涉及6种流体家族（如原油、天然气、精炼产品等），总共有140,230行数据，分布在12个CSV文件中（例如管道主表、泄漏事件表、压力波特征表等）。数据集强调物理耦合特征工程，已验证了八种近确定性特征耦合，包括托里切利孔口流动、斯特劳哈尔式声学共振、比尔定律压力波衰减以及API 579爆裂压力裕度逻辑耦合。数据集基于多个行业标准进行校准，如API 1130、API RP 1175、API 579等，并经过10项指标验证，总体评分为A+。它适用于多种用例，如泄漏率回归、泄漏检测分类、破裂概率回归等，并支持多表关系机器学习。数据集为合成数据，用于研究目的，不用于实际运营决策。OIL-025 — Synthetic Leak Detection Dataset (Sample) is a free, schema-consistent preview release developed by XpertSystems.ai, exclusively for the midstream oil and gas pipeline integrity domain. This dataset is designed to support machine learning tasks including pipeline leak detection, rupture probability prediction, acoustic leak feature classification, Computational Pipeline Monitoring (CPM) anomaly detection, leak localization, and pipeline integrity assessment. The sample data comprises 300 pipelines, 1,500 leak events, and 180 rupture events, covering 6 fluid families (e.g., crude oil, natural gas, refined products, etc.), with a total of 140,230 data rows stored across 12 CSV files (e.g., main pipeline table, leak event table, pressure wave feature table, etc.). The dataset emphasizes physics-coupled feature engineering, with eight near-deterministic feature couplings validated, including Torricelli orifice flow, Strouhal acoustic resonance, Beer's Law-based pressure wave attenuation, and API 579 burst pressure margin logical coupling. The dataset is calibrated against multiple industry standards such as API 1130, API RP 1175, API 579, etc., and validated via 10 metrics with an overall rating of A+. It supports multiple use cases including leak rate regression, leak detection classification, rupture probability regression, etc., and enables multi-table relational machine learning. The dataset is synthetic data intended for research purposes only and shall not be used for real-world operational decision-making.

搜集汇总

数据集介绍

构建方式

在油气管道完整性管理领域，泄漏检测与破裂预测长期依赖高保真实验与现场数据，而公开可用的合成数据集极为稀缺。该数据集通过多表关联的确定性生成框架构建，以随机种子驱动，覆盖300条管道、1500起泄漏事件及180起破裂事件，横跨六类流体与五种API 5L管材等级。生成过程以Toricelli孔口出流、Strouhal声学共振、Beer定律压力波衰减及API 579爆破压力裕度逻辑为物理内核，将孔径、泄漏速率、声学信号、壁厚损失与破裂概率等变量进行耦合，形成12张可经pipeline_id、leak_id与timestamp相互连接的数据表，共计140230行。

特点

该数据集的核心特征在于物理耦合性极强，八项近确定性特征耦合经十指标验证卡全面通过。泄漏事件涵盖六类经PHMSA事件分类校准的泄漏类型，孔径与泄漏速率的皮尔逊相关系数达0.91，严重度与声学分贝相关系数高达0.99，壁厚损失与破裂概率相关系数达0.94。数据同时覆盖API 1130计算管道监测的流量失衡、API RP 1175声学泄漏检测、API 580/581基于风险的检验以及四种泄漏定位方法，兼具表格分类、回归与时间序列预测任务属性，且各表结构一致、标注确定性强，便于多表关系建模与图神经网络学习。

使用方法

该数据集可通过Hugging Face datasets库或pandas直接加载，支持以leak_events.csv为事件中心，经leak_id与pipeline_id聚合声学信号、完整性标签与管道主表，构建泄漏检测与破裂预测的特征工程流程。典型用法包括：由孔径与压力回归泄漏速率、由声学与流量失衡特征进行泄漏二分类、对六类泄漏类型执行多分类、由壁厚损失与裂纹扩展回归破裂概率、基于声学三角定位与负压波进行泄漏定位回归，以及在不平衡场景下针对误报分类与警报管理进行低严重度尾部采样。生成过程完全由整数种子控制，确保结果可复现。

背景与挑战

背景概述

在油气管道完整性管理领域，泄漏检测与破裂预测长期依赖现场试验与历史事故数据，样本稀缺且标注成本高昂。XpertSystems.ai于2026年发布的OIL-025合成泄漏检测数据集，以API 1130、API RP 1175、API 579等十余项行业标准为校准依据，构建了覆盖300条管道、1500起泄漏事件与180起破裂事件的多表关系型数据，包含140230行记录。该数据集通过Toricelli孔口流、Strouhal声学共振、比尔定律压力波衰减等物理耦合机制，为泄漏检测机器学习、声学特征分类与基于风险的检验提供了高保真基准，推动了管道中游完整性分析的可复现研究。

当前挑战

管道泄漏检测领域面临的核心难题在于：真实泄漏样本极度匮乏，破裂事件尤为罕见，导致监督学习类别严重失衡；声学与压力波信号常被环境噪声淹没，低严重度泄漏的检测延迟波动显著。构建该数据集时，物理保真与统计真实之间存在张力：样本中确认泄漏率约97%、报警率约79%、紧急关断率100%，均高于PHMSA实际统计，虽有利于模型训练却偏离运行现实；流量失衡均值仅0.16%，异常分数严重偏向零；声学数据为逐泄漏采样而非连续监测，破裂事件经高通滤波放大。上述局限要求研究者在迁移至实际场景时谨慎校准阈值与重采样策略。

常用场景

经典使用场景

在油气管道完整性管理与计算管道监测（CPM）领域，泄漏检测与破裂预警始终是核心命题。OIL-025样本数据集最经典的使用场景，即围绕管道泄漏检测机器学习展开的多任务建模：研究者可依托管道主数据、泄漏事件表、压力波特征、声学信号、SCADA遥测与完整性监测等十二张可关联数据表，展开泄漏速率回归、泄漏存在二分类、六类泄漏类型多分类、破裂概率回归以及泄漏定位回归等典型任务。其数据生成深植于托里切利孔口流、斯特劳哈尔声学共振、比尔定律压力波衰减与API 579爆破压力裕度等物理机制，特征与标签间呈现强确定性耦合，为泄漏检测算法的基准评测提供了物理可信的仿真环境。

解决学术问题

该数据集有效缓解了管道泄漏检测研究中真实标注数据稀缺、事件样本失衡与物理机理脱节等常见学术困境。通过内嵌托里切利孔口流方程、基于威利与斯特里特（1993）的负压波传播模型、斯特劳哈尔共振频率公式以及API 579爆破压力裕度逻辑斯蒂耦合，数据集为泄漏速率与孔径、声学信号强度与泄漏严重度、壁厚损失与破裂概率等关键关系提供了可验证的物理关联，使得特征重要性分析、物理约束机器学习及可解释性研究得以在受控条件下开展，对推动数据驱动与机理融合的管道安全研究具有基准性意义。

衍生相关工作

围绕OIL-025数据集，已衍生出一系列与中游管道运营相关的经典工作。其与OIL-024全管道水力学与SCADA瞬态事件数据集形成互补，前者专注泄漏事件物理，后者侧重稳态运营模拟；与OIL-022炼厂检修周转数据集的对照，则区分了连续完整性监测与计划性检修调度两类场景。此外，该数据集催生了多表关系机器学习、图神经网络实体解析、声学泄漏特征分类、多方法泄漏定位比较以及API 1130误报削减等研究方向，为管道完整性机器学习生态的构建提供了数据基石。