論文の概要: Factor Graph Optimization for Leak Localization in Water Distribution Networks

• arxiv url: http://arxiv.org/abs/2509.10982v1
• Date: Sat, 13 Sep 2025 21:06:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.866449
• Title: Factor Graph Optimization for Leak Localization in Water Distribution Networks
• Title（参考訳）: 配水ネットワークにおける漏れ局所化のための因子グラフ最適化
• Authors: Paul Irofti, Luis Romero-Ben, Florin Stoican, Vicenç Puig,
• Abstract要約: 本稿では,水分散ネットワークにおけるリークローカライゼーションのための因子グラフ最適化手法の活用を初めて検討する。 リークフリー状態推定係数グラフとリークローカライゼーション係数グラフの2つの因子グラフからなる新しいアーキテクチャ。 Modena、L-TOWN、および合成ネットワークの結果、因子グラフはUKFのような非線形カルマンベースの代替よりもはるかに高速であることが示された。
• 参考スコア（独自算出の注目度）: 3.7373312968044643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting and localizing leaks in water distribution network systems is an important topic with direct environmental, economic, and social impact. Our paper is the first to explore the use of factor graph optimization techniques for leak localization in water distribution networks, enabling us to perform sensor fusion between pressure and demand sensor readings and to estimate the network's temporal and structural state evolution across all network nodes. The methodology introduces specific water network factors and proposes a new architecture composed of two factor graphs: a leak-free state estimation factor graph and a leak localization factor graph. When a new sensor reading is obtained, unlike Kalman and other interpolation-based methods, which estimate only the current network state, factor graphs update both current and past states. Results on Modena, L-TOWN and synthetic networks show that factor graphs are much faster than nonlinear Kalman-based alternatives such as the UKF, while also providing improvements in localization compared to state-of-the-art estimation-localization approaches. Implementation and benchmarks are available at https://github.com/pirofti/FGLL.
• Abstract（参考訳）: 配水ネットワークシステムにおける漏れの検出と位置決めは, 直接的環境, 経済的, 社会的影響において重要な課題である。 本稿は,水分散ネットワークにおける局所化のリークに対する因子グラフ最適化手法の利用を初めて検討し,圧力と需要センサのセンサ融合を行い,ネットワークの時間的および構造的状態の進化を全ネットワークノードで推定する。 本手法は, 特定の水ネットワーク因子を導入し, リークフリー状態推定係数グラフとリークローカライゼーション係数グラフという2つの因子グラフからなる新しいアーキテクチャを提案する。 Kalmanや他の補間に基づく現在のネットワーク状態のみを推定する手法とは異なり、新しいセンサ読み取りが得られた場合、ファクタグラフは現在の状態と過去の状態の両方を更新する。 Modena、L-TOWN、および合成ネットワークの結果、因子グラフは、UKFのような非線形カルマンベースの代替品よりもはるかに高速であり、また、最先端の推定-局所化アプローチと比較して、ローカライゼーションの改善を提供する。 実装とベンチマークはhttps://github.com/pirofti/FGLLで公開されている。

関連論文リスト

• Physics-Guided Fair Graph Sampling for Water Temperature Prediction in River Networks [27.275941333873263]
  本研究は,流水温度を予測するグラフニューラルネットワーク(GNN)に基づく新しい手法を提案する。 これは、収入と教育レベルの異なる場所におけるモデルバイアスを減らすのに役立つ。
  論文  参考訳（メタデータ） (2024-12-21T07:57:30Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
  本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。 提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
  論文  参考訳（メタデータ） (2024-01-12T17:57:07Z)
• TransGlow: Attention-augmented Transduction model based on Graph Neural Networks for Water Flow Forecasting [4.915744683251151]
  水量の水量予測は、水管理、洪水予測、洪水制御など様々な用途に有用である。 本稿では,GCRN(Graph Convolution Recurrent Neural Network)エンコーダデコーダの隠れ状態を増大させる時間予測モデルを提案する。 本稿では,河川,河川,湖上のカナダステーションのネットワークから,新たな水流のベンチマークデータセットを提案する。
  論文  参考訳（メタデータ） (2023-12-10T18:23:40Z)
• Graph Neural Network-Based Anomaly Detection for River Network Systems [0.8399688944263843]
  水質のリアルタイムモニタリングは、インサイトセンサー技術にますます依存している。 センサデータの誤パターンを特定するには異常検出が不可欠である。 本稿では,河川ネットワークセンサデータにおける異常検出の課題に対する解決法を提案する。
  論文  参考訳（メタデータ） (2023-04-19T01:32:32Z)
• Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
  我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
  論文  参考訳（メタデータ） (2023-02-06T16:38:43Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Belief propagation for supply networks: Efficient clustering of their factor graphs [0.0]
  本稿では,供給ネットワークにおける状態推定と最適化の効率的なツールとして,信念伝達(BP)を考察する。 本稿では,因子グラフのループをクラスタリングする手法を提案する。
  論文  参考訳（メタデータ） (2022-03-01T14:01:35Z)
• Handling Distribution Shifts on Graphs: An Invariance Perspective [78.31180235269035]
  我々は、グラフ上のOOD問題を定式化し、新しい不変学習手法である探索・拡張リスク最小化(EERM)を開発する。 EERMは、複数の仮想環境からのリスクの分散を最大化するために、敵対的に訓練された複数のコンテキストエクスプローラーを利用する。 理論的に有効なOOD解の保証を示すことによって,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-05T02:31:01Z)
• Spectral Embedding of Graph Networks [76.27138343125985]
  ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。 埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
  論文  参考訳（メタデータ） (2020-09-30T04:59:10Z)

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。