論文の概要: Challenges, Methods, Data -- a Survey of Machine Learning in Water Distribution Networks

• arxiv url: http://arxiv.org/abs/2410.12461v1
• Date: Wed, 16 Oct 2024 11:21:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:41:39.978949
• Title: Challenges, Methods, Data -- a Survey of Machine Learning in Water Distribution Networks
• Title（参考訳）: 課題,方法,データ - 配水ネットワークにおける機械学習に関する調査
• Authors: Valerie Vaquet, Fabian Hinder, André Artelt, Inaam Ashraf, Janine Strotherm, Jonas Vaquet, Johannes Brinkrolf, Barbara Hammer,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.185604886838128
• License:
• Abstract: Research on methods for planning and controlling water distribution networks gains increasing relevance as the availability of drinking water will decrease as a consequence of climate change. So far, the majority of approaches is based on hydraulics and engineering expertise. However, with the increasing availability of sensors, machine learning techniques constitute a promising tool. This work presents the main tasks in water distribution networks, discusses how they relate to machine learning and analyses how the particularities of the domain pose challenges to and can be leveraged by machine learning approaches. Besides, it provides a technical toolkit by presenting evaluation benchmarks and a structured survey of the exemplary task of leakage detection and localization.
• Abstract（参考訳）: 配水ネットワークの計画・制御方法に関する研究は、気候変動の影響で飲料水の入手が減少するにつれて、関連性が高まっている。 これまでのアプローチの大半は、油圧技術とエンジニアリングの専門知識に基づいています。 しかし、センサーの可用性が向上するにつれ、機械学習技術は有望なツールとなっている。 この研究は、水分散ネットワークにおける主要なタスクを示し、それらが機械学習とどのように関係しているかを説明し、ドメインの特殊性がどのように課題を提起し、機械学習アプローチによって活用できるかを分析する。 さらに、評価ベンチマークを提示し、リーク検出とローカライゼーションの模範的タスクを構造化した技術ツールキットを提供する。

関連論文リスト

• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• A Toolbox for Supporting Research on AI in Water Distribution Networks [6.965539315733295]
  複雑なシナリオモデリングと生成のためのPythonツールボックスを紹介します。 一般的なイベント検出ベンチマークへのアクセスが容易で、制御アルゴリズムを開発するための環境を提供する。
  論文  参考訳（メタデータ） (2024-06-04T07:58:19Z)
• Localizing Anomalies in Critical Infrastructure using Model-Based Drift Explanations [5.319765271848658]
  ベイジアンネットワークを用いたネットワークをモデル化し,異常が重要なインフラシステムの力学に与える影響を解析する。 特に、モデルに基づく概念ドリフトの説明は異常の局所化に有望なツールであると主張する。 本手法がより一般的に重要なインフラに適用可能であることを示すために,本手法が電力系統におけるセンサ故障の局所化に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-24T13:33:19Z)
• Time Series Predictions in Unmonitored Sites: A Survey of Machine Learning Techniques in Water Resources [10.307058787085094]
  モニタリングされていない場所での動的環境変数の予測は、水資源科学の長年の課題である。 現代の機械学習手法は、水文時系列予測のためのプロセスベースおよび経験的モデルよりもますます優れている。 ストリームフロー,水質,その他の水資源予測における機械学習の最先端技術応用について概説する。
  論文  参考訳（メタデータ） (2023-08-18T18:30:33Z)
• Machine Learning for QoS Prediction in Vehicular Communication: Challenges and Solution Approaches [46.52224306624461]
  最大スループット予測の強化,例えばストリーミングや高精細マッピングアプリケーションについて検討する。 収集したデータの基盤となる特性をよりよく理解することで、マシンラーニング技術上に信頼性を構築することができるかを強調します。 我々は、説明可能なAIを使用して、機械学習が明示的にプログラムされることなく、無線ネットワークの基本原理を学習できることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:29:20Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• 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 Comprehensive Review of Deep Learning Applications in Hydrology and Water Resources [0.0]
  デジタルデータのグローバルボリュームは2025年までに175ゼタバイトに達すると予想されている。 この研究は、水産業で使われている最先端のディープラーニングアプローチの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2020-06-17T16:57:17Z)
• 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)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。