論文の概要: Water Quality Prediction on a Sigfox-compliant IoT Device: The Road
Ahead of WaterS
- arxiv url: http://arxiv.org/abs/2007.13436v1
- Date: Mon, 27 Jul 2020 11:21:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 11:39:12.524713
- Title: Water Quality Prediction on a Sigfox-compliant IoT Device: The Road
Ahead of WaterS
- Title(参考訳): Sigfox対応IoTデバイスにおける水質予測--WaterSの先駆けとして
- Authors: Pietro Boccadoro, Vitanio Daniele, Pietro Di Gennaro, Domenico Lof\`u,
Pietro Tedeschi
- Abstract要約: 我々は,収集した計測データを遠隔で通信する,モノのインターネット(Internet of Things)の水質予測システムであるWaterSに注目した。
このソリューションは、エネルギー効率や自律性といった特異なモノのインターネット(Internet of Things)の制約を考慮して、水質問題に対処する。
WaterSエコシステムのソースコードがオープンソースとしてリリースされ、産業とアカデミアの両方の研究活動を奨励し、促進している。
- 参考スコア(独自算出の注目度): 0.27998963147546135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Water pollution is a critical issue that can affects humans' health and the
entire ecosystem thus inducing economical and social concerns. In this paper,
we focus on an Internet of Things water quality prediction system, namely
WaterS, that can remotely communicate the gathered measurements leveraging
Low-Power Wide Area Network technologies. The solution addresses the water
pollution problem while taking into account the peculiar Internet of Things
constraints such as energy efficiency and autonomy as the platform is equipped
with a photovoltaic cell. At the base of our solution, there is a Long
Short-Term Memory recurrent neural network used for time series prediction. It
results as an efficient solution to predict water quality parameters such as
pH, conductivity, oxygen, and temperature. The water quality parameters
measurements involved in this work are referred to the Tiziano Project dataset
in a reference time period spanning from 2007 to 2012. The LSTM applied to
predict the water quality parameters achieves high accuracy and a low Mean
Absolute Error of 0.20, a Mean Square Error of 0.092, and finally a Cosine
Proximity of 0.94. The obtained results were widely analyzed in terms of
protocol suitability and network scalability of the current architecture
towards large-scale deployments. From a networking perspective, with an
increasing number of Sigfox-enabling end-devices, the Packet Error Rate
increases as well up to 4% with the largest envisioned deployment. Finally, the
source code of WaterS ecosystem has been released as open-source, to encourage
and promote research activities from both Industry and Academia.
- Abstract(参考訳): 水質汚染は人間の健康や生態系全体に影響を与える重要な問題であり、経済的・社会的懸念を引き起こす。
本稿では,低電力広域ネットワーク技術を活用して収集した計測データを遠隔で通信する,モノのインターネット(Internet of Things)の水質予測システムであるWaterSに着目した。
このソリューションは、プラットフォームが太陽電池を備えているため、エネルギー効率や自律性といった特異なモノのインターネットの制約を考慮して、水質問題に対処する。
私たちのソリューションの基盤には、時系列予測に使用されるLong Short-Term Memory Recurrent Neural Networkがあります。
その結果、ph、導電率、酸素、温度などの水質パラメータを予測する効率的な解決策となる。
この研究にかかわる水質パラメーターは、2007年から2012年までの基準時間で、Tiziano Projectのデータセットとして参照される。
水質パラメータの予測に用いたlstmは, 精度が高く, 低平均絶対誤差0.20, 平均2乗誤差0.092, 最終的にコサイン近接0.94が得られる。
得られた結果は,大規模デプロイメントに向けた現在のアーキテクチャのプロトコル適合性とネットワーク拡張性の観点から広く分析された。
ネットワークの観点から見ると、Sigfoxを起動するエンドデバイスの増加に伴い、Packet Error Rateは最大4%まで増加し、デプロイメントは最大になる。
最後に、ウォーターズのエコシステムのソースコードがオープンソースとしてリリースされ、産業とアカデミアの両方からの研究活動を奨励し、促進している。
関連論文リスト
- Monitoring water contaminants in coastal areas through ML algorithms
leveraging atmospherically corrected Sentinel-2 data [3.155658695525581]
本研究では,CatBoost Machine Learning(ML)とSentinel-2 Level-2Aの高分解能データを統合することにより,濁度汚染をモニタリングする新たなアプローチを開拓した。
従来の方法は労働集約的であり、CatBoostは効率的なソリューションを提供し、予測精度に優れている。
大気補正されたSentinel-2データをGoogle Earth Engine(GEE)を通じて利用することで、スケーラブルで正確な濁度モニタリングに寄与する。
論文 参考訳(メタデータ) (2024-01-08T10:20:34Z) - TransGlow: Attention-augmented Transduction model based on Graph Neural
Networks for Water Flow Forecasting [4.915744683251151]
水量の水量予測は、水管理、洪水予測、洪水制御など様々な用途に有用である。
本稿では,GCRN(Graph Convolution Recurrent Neural Network)エンコーダデコーダの隠れ状態を増大させる時間予測モデルを提案する。
本稿では,河川,河川,湖上のカナダステーションのネットワークから,新たな水流のベンチマークデータセットを提案する。
論文 参考訳(メタデータ) (2023-12-10T18:23:40Z) - Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - A Safe Genetic Algorithm Approach for Energy Efficient Federated
Learning in Wireless Communication Networks [53.561797148529664]
フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。
FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。
現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
論文 参考訳(メタデータ) (2023-06-25T13:10:38Z) - Over-the-Air Federated Averaging with Limited Power and Privacy Budgets [49.04036552090802]
本稿では,電力予算が制限されたプライベート・オーバ・ザ・エア・フェデレーション(DP-OTA-FedAvg)システムについて検討する。
我々は,DP-OTA-FedAvg係数のギャップを最小化し,プライバシー機能を最小化するために解析的問題を改善することを目的としている。
論文 参考訳(メタデータ) (2023-05-05T13:56:40Z) - AquaFeL-PSO: A Monitoring System for Water Resources using Autonomous
Surface Vehicles based on Multimodal PSO and Federated Learning [0.0]
水資源の保存、モニタリング、管理は、ここ数十年で大きな課題となっている。
本稿では,水質センサを備えた自動表面車両を用いた水質モニタリングシステムを提案する。
論文 参考訳(メタデータ) (2022-11-28T10:56:12Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z) - 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 multivariate water quality parameter prediction model using recurrent
neural network [0.30458514384586394]
本研究は水質パラメータに基づく水質予測モデルを構築することを目的とする。
このモデルは、リカレントニューラルネットワーク(RNN)、Long Short-Term Memory(LSTM)および履歴水質データを用いて開発された。
シングルステップモデルは0.01mg/Lの誤差を達成し、マルチステップモデルは0.227mg/LのRoot Mean Squared Error(RMSE)を達成した。
論文 参考訳(メタデータ) (2020-03-25T16:49:52Z) - Time series and machine learning to forecast the water quality from
satellite data [0.0]
アルガルブルームは沿岸の汚染物質であり、その原因となっている。
多くの衛星データ、例えばMODISは、花を検知するために水質の高い製品を生成するために使われてきた。
監視のためには、汚染管理委員会がいかなる汚染も予測する。
論文 参考訳(メタデータ) (2020-03-16T18:16:44Z)
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。