論文の概要: Technical Report: Flushing Strategies in Drinking Water Systems
- arxiv url: http://arxiv.org/abs/2012.13574v1
- Date: Fri, 25 Dec 2020 13:37:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 04:31:28.257361
- Title: Technical Report: Flushing Strategies in Drinking Water Systems
- Title(参考訳): 技術報告:飲料水システムにおけるフラッシング戦略
- Authors: Margarita Rebolledo, Sowmya Chandrasekaran, and Thomas
Bartz-Beielstein
- Abstract要約: フラッシングは、排水管内の堆積物やその他の汚染物質を浄化するために周期的に行われるプロセスである。
本稿では,WDSにおけるフラッシング最適化手法について概観する。
提案は、既存のフラッシング計画フレームワークを最適化するオプションとして提供される。
- 参考スコア(独自算出の注目度): 5.1237547025026355
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Drinking water supply and distribution systems are critical infrastructure
that has to be well maintained for the safety of the public. One important tool
in the maintenance of water distribution systems (WDS) is flushing. Flushing is
a process carried out in a periodic fashion to clean sediments and other
contaminants in the water pipes. Given the different topographies, water
composition and supply demand between WDS no single flushing strategy is
suitable for all of them. In this report a non-exhaustive overview of
optimization methods for flushing in WDS is given. Implementation of
optimization methods for the flushing procedure and the flushing planing are
presented. Suggestions are given as a possible option to optimise existing
flushing planing frameworks.
- Abstract(参考訳): 飲料水供給・流通システムは、公共の安全のために十分に維持されなければならない重要なインフラである。
配水システム(WDS)の保守において重要な道具はフラッシングである。
フラッシングは、排水管内の堆積物やその他の汚染物質を浄化するために周期的に行われるプロセスである。
異なる地形、水組成、wds間の供給需要を考えると、これら全てに単一のフラッシング戦略は適していない。
本稿では,WDSにおけるフラッシング最適化手法について概観する。
フラッシング手順とフラッシング計画の最適化手法の実装について述べる。
提案は、既存のフラッシング計画フレームワークを最適化するオプションとして提供される。
関連論文リスト
- Unsupervised Restoration of Weather-affected Images using Deep Gaussian
Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。
我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。
提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文 参考訳(メタデータ) (2022-04-23T01:30:47Z) - SEA: Bridging the Gap Between One- and Two-stage Detector Distillation
via SEmantic-aware Alignment [76.80165589520385]
細粒度情報を抽象化する性質から,SEA (SEmantic-Aware Alignment) 蒸留法を命名した。
1段検出器と2段検出器の両方において、挑戦的な物体検出タスクにおいて、最先端の新たな結果が得られる。
論文 参考訳(メタデータ) (2022-03-02T04:24:05Z) - Semi-supervised Identification and Mapping of Surface Water Extent using
Street-level Monitoring Videos [1.0152838128195467]
本稿では,斜め監視カメラの映像から表面水深認識のための半教師付きセグメンテーション手法を提案する。
このアルゴリズムは水の境界を決定するのに適し, 監視ビデオの画素のジオレファレンスにモノプロイト法をうまく適用した。
この研究のワークフローと手法は、他の街路面や地表面のプロセスを研究する大きな可能性を秘めている。
論文 参考訳(メタデータ) (2022-01-31T21:27:37Z) - Multi-Task Classification of Sewer Pipe Defects and Properties using a
Cross-Task Graph Neural Network Decoder [56.673599764041384]
我々は、新しいデコーダ指向マルチタスク分類アーキテクチャ、クロスタスクグラフニューラルネットワーク(CT-GNN)を提案する。
CT-GNNは、クロスタスク情報を用いてタスクごとの解離予測を洗練する。
我々は,Swer-MLデータセットの4つの分類タスクすべてに対して,最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-11-15T15:36:50Z) - Heterogeneous Stream-reservoir Graph Networks with Data Assimilation [3.312798619476657]
河川の水温の正確な予測は、河川の生物地球化学的および生態学的過程を監視し、理解するために重要である。
本稿では,ストリーム・リザーバ・ネットワークを基盤とする相互作用プロセスを表現するため,不均一なリカレントグラフモデルを提案する。
貯水池の放水量は一定の貯水池では利用できないため,貯水池の放水に伴う予測バイアスを補正するデータ同化機構を開発する。
論文 参考訳(メタデータ) (2021-10-11T01:47:16Z) - Evolutionary Ensemble Learning for Multivariate Time Series Prediction [6.736731623634526]
MTS予測モデル(PM)を構築する典型的なパイプラインは、利用可能なすべてのチャネルのサブセットを選択することである。
本稿では,パイプライン全体を総合的に最適化する新たな進化的アンサンブル学習フレームワークを提案する。
提案手法を実装し,実世界の2つの応用,すなわち電力消費予測と大気質予測について検討した。
論文 参考訳(メタデータ) (2021-08-22T07:36:25Z) - Noise-Resistant Deep Metric Learning with Probabilistic Instance
Filtering [59.286567680389766]
ノイズラベルは現実世界のデータによく見られ、ディープニューラルネットワークの性能劣化を引き起こす。
DMLのための確率的ランク付けに基づくメモリを用いたインスタンス選択(PRISM)手法を提案する。
PRISMはラベルがクリーンである確率を計算し、潜在的にノイズの多いサンプルをフィルタリングする。
論文 参考訳(メタデータ) (2021-08-03T12:15:25Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳(メタデータ) (2021-06-04T22:17:09Z) - Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。
この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
論文 参考訳(メタデータ) (2021-05-28T02:08:03Z) - A Deep Learning Approach to Mapping Irrigation: IrrMapper-U-Net [0.0]
本研究では,2000年からのモンタナ州における新しい灌水マッピング法を提案し,その精度を実証する。
この手法は、ランドサット画像からの反射情報を用いて灌水されたピクセルを分類する畳み込みニューラルネットワークのアンサンブルに基づいている。
この方法は、米国農務省の農業統計調査(USDA)の灌水地域の推定値と、州全体でよりよく一致していることを発見した。
論文 参考訳(メタデータ) (2021-03-04T19:27:39Z) - Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery
And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。
実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文 参考訳(メタデータ) (2020-12-11T18:42:15Z)
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。