論文の概要: Dual Unscented Kalman Filter Architecture for Sensor Fusion in Water Networks Leak Localization
- arxiv url: http://arxiv.org/abs/2412.11687v1
- Date: Mon, 16 Dec 2024 12:01:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:54:00.706461
- Title: Dual Unscented Kalman Filter Architecture for Sensor Fusion in Water Networks Leak Localization
- Title(参考訳): 水ネットワークリークローカライゼーションにおけるセンサフュージョンのためのデュアルアンセントカルマンフィルタアーキテクチャ
- Authors: Luis Romero-Ben, Paul Irofti, Florin Stoican, Vicenç Puig,
- Abstract要約: 本稿では,デュアルアンセント・カルマンフィルタ (UKF) を用いた油圧状態推定手法を提案する。
この戦略は、モデナとL-TOWNという有名なオープンソースケーススタディで評価されている。
- 参考スコア(独自算出の注目度): 2.423124553011487
- License:
- Abstract: Leakage in water systems results in significant daily water losses, degrading service quality, increasing costs, and aggravating environmental problems. Most leak localization methods rely solely on pressure data, missing valuable information from other sensor types. This article proposes a hydraulic state estimation methodology based on a dual Unscented Kalman Filter (UKF) approach, which enhances the estimation of both nodal hydraulic heads, critical in localization tasks, and pipe flows, useful for operational purposes. The approach enables the fusion of different sensor types, such as pressure, flow and demand meters. The strategy is evaluated in well-known open source case studies, namely Modena and L-TOWN, showing improvements over other state-of-the-art estimation approaches in terms of interpolation accuracy, as well as more precise leak localization performance in L-TOWN.
- Abstract(参考訳): 水道システムの漏洩により、毎日の水不足、サービス品質の低下、コストの増大、環境問題の増加が生じる。
ほとんどのリークローカライズ法は圧力データにのみ依存しており、他のセンサの貴重な情報が欠落している。
本稿では,2つのアンセント・カルマンフィルタ(UKF)に基づく油圧状態推定手法を提案する。
このアプローチにより、圧力、流量、需要メータなど、さまざまなセンサータイプが融合できる。
この戦略は、ModenaとL-TOWNという有名なオープンソースケーススタディで評価され、補間精度の点で他の最先端推定手法よりも改善され、L-TOWNのより正確なリークローカライゼーション性能が向上した。
関連論文リスト
- Deep Reinforcement Multi-agent Learning framework for Information
Gathering with Local Gaussian Processes for Water Monitoring [3.2266662249755025]
局所ガウス過程と深層強化学習を用いて効果的なモニタリングポリシを共同で取得することが提案されている。
このモデルの平均と分散の観察に基づく決定に基づく、深い畳み込み政策が提案されている。
エージェントはDouble Deep Q-Learningアルゴリズムを用いて、安全な方法で推定誤差を最小限に抑えるように訓練される。
論文 参考訳(メタデータ) (2024-01-09T15:58:15Z) - 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) - Investigating the Suitability of Concept Drift Detection for Detecting
Leakages in Water Distribution Networks [7.0072935721154614]
漏れは、水の損失と汚染リスクの増加を引き起こすため、水分配ネットワークにおいて大きなリスクである。
水分配網の複雑な力学のために漏れ検知は難しい課題である。
機械学習の観点からは、リークはコンセプトドリフトとしてモデル化できる。
論文 参考訳(メタデータ) (2024-01-03T13:12:04Z) - Nodal Hydraulic Head Estimation through Unscented Kalman Filter for
Data-driven Leak Localization in Water Networks [1.747820331822631]
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。
論文 参考訳(メタデータ) (2023-11-27T14:48:37Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳(メタデータ) (2023-08-24T12:32:46Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳(メタデータ) (2023-08-14T16:48:57Z) - 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) - Localization Distillation for Object Detection [134.12664548771534]
物体検出のための従来の知識蒸留法(KD)は、分類ロジットを模倣するのではなく、主に特徴模倣に焦点を当てている。
本稿では,教師から生徒に効率よくローカライズ知識を伝達できる新しいローカライズ蒸留法を提案する。
われわれは,ロジット模倣が特徴模倣より優れることを示すとともに,ロージット模倣が何年もの間,ロージット模倣が不十分であった理由として,ロージット蒸留が欠如していることが重要である。
論文 参考訳(メタデータ) (2022-04-12T17:14:34Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳(メタデータ) (2022-01-29T10:54:57Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳(メタデータ) (2021-09-06T13:42:32Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳(メタデータ) (2021-08-02T08:13:57Z)
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。