論文の概要: Water Demand Forecasting of District Metered Areas through Learned Consumer Representations

• arxiv url: http://arxiv.org/abs/2509.07515v1
• Date: Tue, 09 Sep 2025 08:51:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.238531
• Title: Water Demand Forecasting of District Metered Areas through Learned Consumer Representations
• Title（参考訳）: 学習型消費者表現による地域別水需要予測
• Authors: Adithya Ramachandran, Thorkil Flensmark B. Neergaard, Tomás Arias-Vergara, Andreas Maier, Siming Bayer,
• Abstract要約: 本研究は,地域計測地域(DMA)における短期的水需要予測のための新しい手法を提案する。 教師なしのコントラスト学習は、DMA内に存在する異なる消費行動に応じてエンドユーザーを分類する。 ウェーブレット変換畳み込みネットワークは、歴史的データと導出表現の両方を結合したクロスアテンション機構を組み込むために使用される。
• 参考スコア（独自算出の注目度）: 6.233580005773014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advancements in smart metering technologies have significantly improved the ability to monitor and manage water utilities. In the context of increasing uncertainty due to climate change, securing water resources and supply has emerged as an urgent global issue with extensive socioeconomic ramifications. Hourly consumption data from end-users have yielded substantial insights for projecting demand across regions characterized by diverse consumption patterns. Nevertheless, the prediction of water demand remains challenging due to influencing non-deterministic factors, such as meteorological conditions. This work introduces a novel method for short-term water demand forecasting for District Metered Areas (DMAs) which encompass commercial, agricultural, and residential consumers. Unsupervised contrastive learning is applied to categorize end-users according to distinct consumption behaviors present within a DMA. Subsequently, the distinct consumption behaviors are utilized as features in the ensuing demand forecasting task using wavelet-transformed convolutional networks that incorporate a cross-attention mechanism combining both historical data and the derived representations. The proposed approach is evaluated on real-world DMAs over a six-month period, demonstrating improved forecasting performance in terms of MAPE across different DMAs, with a maximum improvement of 4.9%. Additionally, it identifies consumers whose behavior is shaped by socioeconomic factors, enhancing prior knowledge about the deterministic patterns that influence demand.
• Abstract（参考訳）: スマート計測技術の進歩は、水道事業の監視と管理能力を大幅に改善した。 気候変動による不確実性の増加の背景には、水資源と供給の確保が、広範な社会経済的影響を伴う緊急の世界的な問題として浮上している。 エンドユーザーからの時間消費データは、多様な消費パターンを特徴とする地域間での需要予測に重要な洞察を与えている。 しかし、気象条件などの非決定論的要因に影響を与えるため、水需要の予測は依然として困難である。 本研究は, 商業, 農業, 住宅を対象とする地域計測地域(DMA)の短期的水需要予測手法を提案する。 教師なしのコントラスト学習は、DMA内に存在する異なる消費行動に応じてエンドユーザーを分類する。 その後、ウェーブレット変換畳み込みネットワークを用いたその後の需要予測タスクの特徴として、歴史データと導出表現の両方を組み合わせた相互アテンション機構を組み込んだ消費行動を利用する。 提案手法は実世界のDMAで6ヶ月にわたって評価され,異なるDMA間でMAPEの予測性能が向上し,最大4.9%の改善が得られた。 さらに、社会経済的要因によって行動が形成される消費者を特定し、需要に影響を与える決定論的パターンに関する事前知識を高める。

関連論文リスト

• Time-series surrogates from energy consumers generated by machine learning approaches for long-term forecasting scenarios [0.0]
  エネルギー消費の長期予測に適した合成時系列データを生成するためのデータ駆動手法の詳細な評価を行う。 高忠実性合成データは、エネルギーシステムの状態推定や電力グリッド計画など、幅広い用途に不可欠である。 本研究は15分間の時間分解能を持つドイツの家庭のオープンソースデータセットを利用する。
  論文  参考訳（メタデータ） (2025-06-25T08:54:47Z)
• Short-Term Power Demand Forecasting for Diverse Consumer Types to Enhance Grid Planning and Synchronisation [0.0]
  本研究は, 産業, 商業, 住宅消費者の差別化による正確な予測の必要性に対処するものである。 短時間負荷予測(STLF)と短時間負荷予測(VSTLF)のためのAIおよび機械学習アルゴリズムを探索し比較した。
  論文  参考訳（メタデータ） (2025-06-04T12:01:11Z)
• Urban Water Consumption Forecasting Using Deep Learning and Correlated District Metered Areas [4.226603493240535]
  本研究は,ディープラーニングを用いたDMA消費の短期予測に焦点を当てた。 そこで本研究では,まずDMAを相関した消費パターンで識別し,そのパターンをDMAのローカルデータとともに,予測のための深層学習モデルへの入力として利用する手法を提案する。 5つのDMAのデータを用いた実世界の研究では、ディープラーニングモデルは古典的な統計モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-30T22:03:54Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• STEF-DHNet: Spatiotemporal External Factors Based Deep Hybrid Network for Enhanced Long-Term Taxi Demand Prediction [16.07685260834701]
  本稿では,外部特徴を時間情報として統合した需要予測モデルSTEF-DHNetを提案する。 転がり誤差と呼ばれる長期的性能測定値を用いて評価し、再トレーニングをせずに長期間にわたって高い精度を維持する能力を評価する。 その結果,STEF-DHNetは3つの多様なデータセット上で既存の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-26T07:37:50Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• 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)

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。