論文の概要: Utilizing machine learning to prevent water main breaks by understanding pipeline failure drivers

• arxiv url: http://arxiv.org/abs/2006.03385v1
• Date: Fri, 5 Jun 2020 11:44:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 04:28:59.281339
• Title: Utilizing machine learning to prevent water main breaks by understanding pipeline failure drivers
• Title（参考訳）: パイプライン故障ドライバの理解による水漏れ防止のための機械学習の利用
• Authors: Dilusha Weeraddana, Bin Liang, Zhidong Li, Yang Wang, Fang Chen, Livia Bonazzi, Dean Phillips, Nitin Saxena
• Abstract要約: Data61とWestern Waterはエンジニアリングの専門知識と機械学習ツールを適用し、メルボルン西部の地域でのパイプ故障問題に対する費用対効果の高い解決策を見つけた。 水道管網の挙動を詳細に把握した。 本研究では,過去の故障記録,パイプのディスクリプタ,その他の環境要因を用いて,水本破壊の故障確率を評価し,予測する機械学習システムを開発した。
• 参考スコア（独自算出の注目度）: 9.523624462369918
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data61 and Western Water worked collaboratively to apply engineering expertise and Machine Learning tools to find a cost-effective solution to the pipe failure problem in the region west of Melbourne, where on average 400 water main failures occur per year. To achieve this objective, we constructed a detailed picture and understanding of the behaviour of the water pipe network by 1) discovering the underlying drivers of water main breaks, and 2) developing a Machine Learning system to assess and predict the failure likelihood of water main breaking using historical failure records, descriptors of pipes, and other environmental factors. The ensuing results open up an avenue for Western Water to identify the priority of pipe renewals
• Abstract（参考訳）: data61とウェスタンウォーターは、エンジニアリングの専門知識と機械学習ツールを適用して、年間平均400件の水道本管障害が発生するメルボルン西部のパイプ故障問題に対するコスト効率の高い解決策を見つけるために協力した。 この目的を達成するために,水管網の挙動に関する詳細な画像と理解を構築した。 1)水メインブレイクの基礎となるドライバの発見,及び 2) 歴史的故障記録, 管の記述子, その他の環境要因を用いた水本破砕の失敗可能性の評価と予測を行う機械学習システムの開発。 管の更新の優先事項を特定するため,西方水への道を開く結果

関連論文リスト

• Challenges, Methods, Data -- a Survey of Machine Learning in Water Distribution Networks [5.185604886838128]
  この研究は、配水ネットワークにおける主要なタスクを示し、機械学習との関係について論じる。 ドメインの特殊性がどのように課題を提起し、機械学習のアプローチによって活用されるかを分析する。
  論文  参考訳（メタデータ） (2024-10-16T11:21:07Z)
• Estimating irregular water demands with physics-informed machine learning to inform leakage detection [0.0]
  飲料水流通網の漏れは水道事業に重大な課題をもたらす。 本研究では、圧力データを分析し、未知の不規則な水需要を推定する物理インフォームド・機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-06T11:55:16Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Learning Robotic Navigation from Experience: Principles, Methods, and Recent Results [94.60414567852536]
  現実世界のナビゲーションは、単純な幾何学的抽象化に反する複雑な物理的課題の集合を示す。 機械学習は、幾何学や従来の計画を超えた、有望な方法を提供する。 本稿では,ロボットナビゲーションスキルを実験的に学習するツールキットについて紹介する。
  論文  参考訳（メタデータ） (2022-12-13T17:41:58Z)
• Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps [71.12026848664753]
  サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。 本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
  論文  参考訳（メタデータ） (2022-04-21T02:33:34Z)
• Long-Term Pipeline Failure Prediction Using Nonparametric Survival Analysis [4.838046459336203]
  我々は,水本破壊の故障確率を評価し,予測するための機械学習モデルを開発した。 以上の結果から,本システムはランサムサバイバルフォレスト(Random Survival Forest)と呼ばれる非パラメトリックサバイバル分析手法を取り入れていることが明らかとなった。 さらに,長期予測に関連する不確かさを定量化するために,統計的推論手法を構築した。
  論文  参考訳（メタデータ） (2020-11-11T02:31:31Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)
• A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
  我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。 このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
  論文  参考訳（メタデータ） (2020-06-05T08:04:37Z)
• Debugging Machine Learning Pipelines [11.696401543261892]
  失敗と予期せぬ行動の根本原因を推測することは難しい。 そこで本研究では,失敗の原因を自動的に推測し,失敗の簡潔な説明を導き出すために,反復と証明を利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-02-11T19:13:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。