Pipeline-Soil Interaction Effects on Vortex-induced Vibration Fatigue Analysis of Multi-Spanning Subsea Pipelines Using Decision Tree Regression

ABSTRACT: Vortex-induced vibration (VIV) is considered a significant cause of fatigue failure in free-spanned offshore pipelines. The VIV of submarine pipelines involves several physical and structural parameters, where detection of the most influencing parameters for this phenomenon may facilitate the robust VIV response simulation. The pipeline interaction with the seabed soil has a significant impact on VIV-induced fatigue. In the current study, the VIV fatigue performance of multi-spanned subsea pipelines (MSSP) was simulated by incorporation of seabed interaction effects and using Decision Tree Regression (DTR). To this end, initially, the key physical parameters governing the VIV fatigue performance of MSSP were introduced. Subsequently, using these parameters, a set of Decision Tree Regression (DTR), Random Forest Regression (RFR), Extra Tree Regression (ETR), and Support Vector Regression (SVR) models were developed. Ultimately, by analysis of ML models, it's been found that DTR algorithm has excellent performance for modeling VIV fatigue and stress of multispanning pipelines. The obtained result can pave the way for proposing a robust and cost-effective alternative for the initial phases of the pipeline design projects.

RÉSUMÉ: Les vibrations induites par le vortex (VIV) sont considérées comme une cause importante de défaillance par fatigue dans les pipelines offshore à portée libre. Le VIV des pipelines sous-marins implique plusieurs paramètres physiques et structurels, où la détection des paramètres les plus influents pour ce phénomène peut faciliter la simulation robuste de la réponse VIV. L'interaction du pipeline avec le sol du fond marin a un impact significatif sur la fatigue induite par le VIV. Dans la présente étude, les performances de fatigue VIV des pipelines sous-marins à plusieurs travées (MSSP) ont été simulées en incorporant les effets d'interaction du fond marin et en utilisant la régression par arbre de décision (DTR). À cette fin, dans un premier temps, les paramètres physiques clés régissant les performances de fatigue VIV du MSSP ont été introduits. Par la suite, à l'aide de ces paramètres, un ensemble de modèles de régression d'arbre de décision (DTR), de régression de forêt aléatoire (RFR), de régression d'arbre supplémentaire (ETR) et de régression de vecteur de support (SVR) a été développé. En fin de compte, par l'analyse des modèles ML, il a été constaté que l'algorithme DTR a d'excellentes performances pour modéliser la fatigue VIV et le stress des pipelines multi-spanning. Le résultat obtenu peut ouvrir la voie à la proposition d'une alternative robuste et rentable pour les phases initiales des projets de conception de pipelines.