論文の概要: Filling in the Blanks: Applying Data Imputation in incomplete Water Metering Data

• arxiv url: http://arxiv.org/abs/2506.08882v1
• Date: Tue, 10 Jun 2025 15:13:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.663522
• Title: Filling in the Blanks: Applying Data Imputation in incomplete Water Metering Data
• Title（参考訳）: ブランクの充填:不完全な水量測定データにデータインプットを適用する
• Authors: Dimitrios Amaxilatis, Themistoklis Sarantakos, Ioannis Chatzigiannakis, Georgios Mylonas,
• Abstract要約: スマート水位計を用いた配水網の監視・管理の高度化に向けた最近のデータ計算手法の適用について検討した。 以上の結果から, 効果的なデータ計算は, 水消費データから得られる洞察の質を著しく向上させることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we explore the application of recent data imputation techniques to enhance monitoring and management of water distribution networks using smart water meters, based on data derived from a real-world IoT water grid monitoring deployment. Despite the detailed data produced by such meters, data gaps due to technical issues can significantly impact operational decisions and efficiency. Our results, by comparing various imputation methods, such as k-Nearest Neighbors, MissForest, Transformers, and Recurrent Neural Networks, indicate that effective data imputation can substantially enhance the quality of the insights derived from water consumption data as we study their effect on accuracy and reliability of water metering data to provide solutions in applications like leak detection and predictive maintenance scheduling.
• Abstract（参考訳）: 本研究では,スマート水位計を用いた配水ネットワークの監視と管理を,実世界のIoT水位監視システムから得られたデータに基づいて強化するための最近のデータ計算手法の適用について検討する。 このようなメーターによって生成された詳細なデータにもかかわらず、技術的な問題によるデータギャップは、運用上の決定と効率に大きな影響を及ぼす可能性がある。 我々は,k-Nearest Neighbors,MissForest,Transformers,Recurrent Neural Networksなどの様々な計算手法を比較して,実効的なデータ計算が,水量データから得られる知見の質を大幅に向上させることを示す。

関連論文リスト

• Challenges, Methods, Data -- a Survey of Machine Learning in Water Distribution Networks [5.185604886838128]
  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。
  論文  参考訳（メタデータ） (2024-10-16T11:21:07Z)
• Dataset Growth [59.68869191071907]
  InfoGrowthは、データのクリーニングとセレクションのための効率的なオンラインアルゴリズムである。 シングルモーダルタスクとマルチモーダルタスクの両方において、データ品質/効率を改善することができる。
  論文  参考訳（メタデータ） (2024-05-28T16:43:57Z)
• Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
  ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。 データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。 本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
  論文  参考訳（メタデータ） (2024-01-29T03:29:39Z)
• GraphGuard: Detecting and Counteracting Training Data Misuse in Graph Neural Networks [69.97213941893351]
  グラフデータ分析におけるグラフニューラルネットワーク(GNN)の出現は、モデルトレーニング中のデータ誤用に関する重要な懸念を引き起こしている。 既存の手法は、データ誤用検出または緩和のいずれかに対応しており、主にローカルGNNモデル用に設計されている。 本稿では,これらの課題に対処するため,GraphGuardという先駆的なアプローチを導入する。
  論文  参考訳（メタデータ） (2023-12-13T02:59:37Z)
• Estimating irregular water demands with physics-informed machine learning to inform leakage detection [0.0]
  飲料水流通網の漏れは水道事業に重大な課題をもたらす。 本研究では、圧力データを分析し、未知の不規則な水需要を推定する物理インフォームド・機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-06T11:55:16Z)
• Deep learning-based flow disaggregation for short-term hydropower plant operations [2.4874453414078896]
  高時間分解能データは、短期的水力発電所の運用において重要な役割を担っている。 本研究では,短期的な水力発電プラント運用のための日中流入データから時間毎の流入データを導出する深層学習に基づく時系列デアグリゲーションモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-11T10:52:43Z)
• Non-intrusive Water Usage Classification Considering Limited Training Data [5.935761705025763]
  家電の使用状況を連続的に監視するための家庭内水消費のスマート測定は, 人々の水環境保全に対する行動に影響を及ぼすことが示されている。 現在、各家電をモニタする複数のセンサの設置は、初期コストが高く、その結果、センサを使用して異なる家電の消費を監視することは、費用対効果が低い。 そこで本研究では,家庭内水消費の総量を用いて,単一および重なり合う家庭用水利用イベントを分類するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-02T11:57:36Z)
• Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
  産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。 本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:12:36Z)
• DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
  DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。 DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
  論文  参考訳（メタデータ） (2021-09-21T10:38:26Z)
• Vessel and Port Efficiency Metrics through Validated AIS data [0.0]
  本稿では,AISデータの誤検出と修正を行う機械学習に基づくデータ駆動手法を提案する。 また,船舶運用者や港湾業者が,その事業と環境効率を数値的に表現するための指標を提案する。
  論文  参考訳（メタデータ） (2021-04-30T19:51:51Z)

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。