論文の概要: Nodal Hydraulic Head Estimation through Unscented Kalman Filter for
Data-driven Leak Localization in Water Networks
- arxiv url: http://arxiv.org/abs/2311.15875v1
- Date: Mon, 27 Nov 2023 14:48:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 14:53:15.988811
- Title: Nodal Hydraulic Head Estimation through Unscented Kalman Filter for
Data-driven Leak Localization in Water Networks
- Title(参考訳): 水のネットワークにおけるデータ駆動漏洩位置推定のための無音カルマンフィルタによる潮水頭推定
- Authors: Luis Romero-Ben, Paul Irofti, Florin Stoican and Vicen\c{c} Puig
- Abstract要約: 本研究では,無意味カルマンフィルタに基づく水分散ネットワーク(WDN)の能動水理ヘッド推定手法を提案する。
イギリス空軍は、予測モデルと利用可能な圧力と需要の測定を考慮し、油圧状態の初期推定を洗練している。
現実的な条件下でのモデナベンチマークのパフォーマンステストは、状態推定とデータ駆動のリークローカライゼーションを向上させる方法の有効性を示す。
- 参考スコア(独自算出の注目度): 1.747820331822631
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we present a nodal hydraulic head estimation methodology for
water distribution networks (WDN) based on an Unscented Kalman Filter (UKF)
scheme with application to leak localization. The UKF refines an initial
estimation of the hydraulic state by considering the prediction model, as well
as available pressure and demand measurements. To this end, it provides
customized prediction and data assimilation steps. Additionally, the method is
enhanced by dynamically updating the prediction function weight matrices.
Performance testing on the Modena benchmark under realistic conditions
demonstrates the method's effectiveness in enhancing state estimation and
data-driven leak localization.
- Abstract(参考訳): 本稿では,非香気カルマンフィルタ(unscented kalman filter, ukf)に基づく配水ネットワークにおける非晶質水頭推定手法と漏洩位置推定への応用について述べる。
ukfは予測モデルと利用可能な圧力と需要の測定を考慮し、水圧状態の初期推定を洗練している。
この目的のために、カスタマイズされた予測とデータ同化ステップを提供する。
さらに、予測関数の重み行列を動的に更新することにより、その方法を強化する。
現実的な条件下でのモデナベンチマークのパフォーマンステストは、状態推定とデータ駆動のリークローカライゼーションを向上させる方法の有効性を示す。
関連論文リスト
- Graph Neural Networks for Pressure Estimation in Water Distribution
Systems [44.99833362998488]
水分配ネットワーク(WDN)における圧力と流量の推定により、水管理会社は制御操作を最適化できる。
物理に基づくモデリングとデータ駆動型アプローチであるグラフニューラルネットワーク(GNN)を組み合わせて,圧力推定問題に対処する。
我々のGNNモデルでは、オランダの大規模WDNの圧力は1.94mH$O、MAPEは7%と見積もられている。
論文 参考訳(メタデータ) (2023-11-17T15:30:12Z) - Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation
for high-dimensional problems: uncertainty quantification and inverse
modeling [62.997667081978825]
本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。
本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
論文 参考訳(メタデータ) (2023-07-05T18:14:38Z) - Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。
本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。
多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
論文 参考訳(メタデータ) (2023-06-14T11:41:42Z) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳(メタデータ) (2023-04-20T19:15:02Z) - A Denoising Diffusion Model for Fluid Field Prediction [0.0]
本研究では,FluidDiff という非線形流体場予測のための新しい拡散生成モデルを提案する。
拡散過程を実行することにより、モデルは高次元力学系の複雑な表現を学習することができる。
ランゲヴィンサンプリングは、指定された初期条件下での流れ状態の予測を生成するために使用される。
論文 参考訳(メタデータ) (2023-01-27T11:30:40Z) - Dynamic Data Assimilation of MPAS-O and the Global Drifter Dataset [2.334159433763755]
本研究では,地球系モデル (ESMs) とIn situ buoy測定を組み合わせ,海洋温度予測の精度を向上させる手法を提案する。
この手法を用いることで,MPAS-Oモデルによる局所温度予測の誤差を補正することができる。
論文 参考訳(メタデータ) (2023-01-11T21:21:02Z) - DeepVol: Volatility Forecasting from High-Frequency Data with Dilated
Causal Convolutions [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - Attention U-Net as a surrogate model for groundwater prediction [13.029731605492252]
本研究では,地下水系の応答を計算するための代理モデルとして,物理に基づく畳み込みエンコーダ・デコーダニューラルネットワークを提案する。
クロスドメインマッピングにおいて強い確約を持つエンコーダ・デコーダネットワークは、物理システムの複雑な入出力マッピングの学習に適用可能である。
論文 参考訳(メタデータ) (2022-04-09T17:46:24Z) - SWAT Watershed Model Calibration using Deep Learning [0.860255319568951]
深層学習(DL)を用いたSWATモデルの校正のための高速で正確で信頼性の高い手法を提案する。
畳み込みニューラルネットワークに基づくDL対応逆モデルを構築し,ストリームフローデータを取り込み,SWATモデルパラメータを推定する。
その結果,従来のパラメータ推定法よりもDLモデルに基づくキャリブレーションが優れていることがわかった。
論文 参考訳(メタデータ) (2021-10-06T22:56:23Z) - Learnable Bernoulli Dropout for Bayesian Deep Learning [53.79615543862426]
Learnable Bernoulli Dropout (LBD) は、他のモデルパラメータと共に最適化されたパラメータとしてドロップアウト率を考慮する新しいモデルに依存しないドロップアウトスキームである。
LBDは画像分類とセマンティックセグメンテーションにおける精度と不確実性の推定を改善する。
論文 参考訳(メタデータ) (2020-02-12T18:57:14Z)
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。