論文の概要: Real-time Fuel Leakage Detection via Online Change Point Detection
- arxiv url: http://arxiv.org/abs/2410.09741v1
- Date: Sun, 13 Oct 2024 06:22:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 05:12:47.667683
- Title: Real-time Fuel Leakage Detection via Online Change Point Detection
- Title（参考訳）: オンライン切替点検出によるリアルタイム燃料漏れ検出
- Authors: Ruimin Chu, Li Chik, Yiliao Song, Jeffrey Chan, Xiaodong Li,
- Abstract要約: メモリベースオンライン変更点検出(MOCPD)と呼ばれる新しいフレームワークを提案する。
MOCPDは、ほぼリアルタイムで動作し、燃料漏れの早期検出を可能にする。
我々はMOCPDと一般的に使用されているオンライン変化点検出(CPD)のベースラインを比較した様々な実験を行った。
- 参考スコア（独自算出の注目度）: 8.414339147565103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early detection of fuel leakage at service stations with underground petroleum storage systems is a crucial task to prevent catastrophic hazards. Current data-driven fuel leakage detection methods employ offline statistical inventory reconciliation, leading to significant detection delays. Consequently, this can result in substantial financial loss and environmental impact on the surrounding community. In this paper, we propose a novel framework called Memory-based Online Change Point Detection (MOCPD) which operates in near real-time, enabling early detection of fuel leakage. MOCPD maintains a collection of representative historical data within a size-constrained memory, along with an adaptively computed threshold. Leaks are detected when the dissimilarity between the latest data and historical memory exceeds the current threshold. An update phase is incorporated in MOCPD to ensure diversity among historical samples in the memory. With this design, MOCPD is more robust and achieves a better recall rate while maintaining a reasonable precision score. We have conducted a variety of experiments comparing MOCPD to commonly used online change point detection (CPD) baselines on real-world fuel variance data with induced leakages, actual fuel leakage data and benchmark CPD datasets. Overall, MOCPD consistently outperforms the baseline methods in terms of detection accuracy, demonstrating its applicability to fuel leakage detection and CPD problems.
- Abstract（参考訳）: 地下石油貯蔵システムによる発電所の燃料漏れの早期検出は、破滅的な危険を防ぐための極めて重要な課題である。
現在のデータ駆動型燃料漏れ検出法では、オフラインの統計在庫の調整が採用されており、重大な検出遅延が生じる。
その結果、経済的損失と環境が周囲の社会に多大な影響を及ぼす可能性がある。
本稿では, メモリベースオンライン切換点検出(MOCPD)と呼ばれる, ほぼリアルタイムで動作し, 燃料漏れの早期検出を可能にする新しいフレームワークを提案する。
MOCPDは、適応的に計算された閾値とともに、サイズ制限されたメモリ内の代表的履歴データのコレクションを保持する。
最新のデータと履歴記憶との相違が現在の閾値を超えると、リークを検出する。
更新フェーズはMOCPDに組み込まれ、メモリ内の履歴サンプル間の多様性を保証する。
この設計により、MOCPDはより堅牢になり、適切な精度のスコアを維持しながら、より良いリコール率を達成する。
我々はMOCPDとよく使用されるオンライン切換点検出(CPD)のベースラインを、実世界の燃料分散データ、実際の燃料リークデータ、ベンチマークCPDデータセットで比較した様々な実験を行った。
全体として、MOCPDは検出精度においてベースライン法よりも一貫して優れており、燃料漏れ検出やCDD問題への適用性を示している。
関連論文リスト
- PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly
Detection [65.24854366973794]
ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。
本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。
我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
論文 参考訳（メタデータ） (2023-10-18T02:59:57Z) - MFL Data Preprocessing and CNN-based Oil Pipeline Defects Detection [0.0]
コンピュータビジョンの異常検出への応用は、いくつかの産業分野で注目されている。
本研究は磁気フラックス漏洩データと前処理技術の研究に焦点を当てる。
そのために、最近の畳み込みニューラルネットワーク構造を利用して、堅牢なアプローチを提案しました。
論文 参考訳（メタデータ） (2023-09-30T10:37:12Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Fall Detection using Knowledge Distillation Based Long short-term memory
for Offline Embedded and Low Power Devices [3.0259127718987155]
本稿では,知識蒸留によるLSTMモデルを用いた非意図的転倒検出のための低コストで低消費電力な手法を提案する。
さまざまなセンサーから収集された時系列データを分析することを中心に、このソリューションはリアルタイム検出機能を提供する。
論文 参考訳（メタデータ） (2023-08-24T00:49:07Z) - Greedy online change point detection [0.0]
Greedy Online Change Point Detection (GOCPD) は、2つの独立したモデルの(時間的)連結から来るデータの確率を最大化することにより、変化点を求める計算上魅力的な方法である。
一つの変化点を持つ時系列の場合、この目的は不定意であり、対数複雑性を持つ3次探索によってCDDを高速化できることが示される。
論文 参考訳（メタデータ） (2023-08-14T08:59:59Z) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳（メタデータ） (2023-03-16T17:52:45Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - WATCH: Wasserstein Change Point Detection for High-Dimensional Time
Series Data [4.228718402877829]
変化点検出方法は、教師なしの方法で変化を検出する能力を持つ。
本稿では,ワッサーシュタイン距離に基づく変化点検出手法であるWATCHを提案する。
広範な評価により、WATCHは変化点を正確に識別し、最先端の手法より優れていることが示されている。
論文 参考訳（メタデータ） (2022-01-18T16:55:29Z) - Partially Observable Online Change Detection via Smooth-Sparse
Decomposition [16.8028358824706]
本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。
一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。
本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
論文 参考訳（メタデータ） (2020-09-22T16:03:04Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳（メタデータ） (2020-08-21T15:03:21Z) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳（メタデータ） (2020-03-04T12:27:36Z)
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。