論文の概要: Enhanced Water Leak Detection with Convolutional Neural Networks and One-Class Support Vector Machine

• arxiv url: http://arxiv.org/abs/2511.11650v1
• Date: Mon, 10 Nov 2025 14:33:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:22.793219
• Title: Enhanced Water Leak Detection with Convolutional Neural Networks and One-Class Support Vector Machine
• Title（参考訳）: 畳み込みニューラルネットワークとワンクラス支持ベクトルマシンによる水漏れ検出
• Authors: Daniele Ugo Leonzio, Paolo Bestagini, Marco Marcon, Stefano Tubaro,
• Abstract要約: 本稿では,新しいリーク検出手法を提案する。 水分配ネットワーク(WDN)の一連のノードで得られた水圧測定に基づく。 提案手法は,非リークデータに基づいてトレーニングされた一級サポートベクトルマシン(SVM)に基づいており,漏洩を異常として検出する。
• 参考スコア（独自算出の注目度）: 22.98836082046212
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Water is a critical resource that must be managed efficiently. However, a substantial amount of water is lost each year due to leaks in Water Distribution Networks (WDNs). This underscores the need for reliable and effective leak detection and localization systems. In recent years, various solutions have been proposed, with data-driven approaches gaining increasing attention due to their superior performance. In this paper, we propose a new method for leak detection. The method is based on water pressure measurements acquired at a series of nodes of a WDN. Our technique is a fully data-driven solution that makes only use of the knowledge of the WDN topology, and a series of pressure data acquisitions obtained in absence of leaks. The proposed solution is based on an feature extractor and a one-class Support Vector Machines (SVM) trained on no-leak data, so that leaks are detected as anomalies. The results achieved on a simulate dataset using the Modena WDN demonstrate that the proposed solution outperforms recent methods for leak detection.
• Abstract（参考訳）: 水は効率的に管理しなければならない重要な資源です。 しかし、水分配網(WDN)の漏水により、毎年かなりの量の水が失われている。 これにより、信頼性が高く効果的なリーク検出およびローカライゼーションシステムの必要性が浮き彫りになる。 近年,データ駆動型アプローチが注目度を高めているため,様々な手法が提案されている。 本稿では,リーク検出のための新しい手法を提案する。 この方法は、WDNの一連のノードで得られた水圧測定に基づいている。 我々の手法は,WDNトポロジの知識と,漏洩のない一連の圧力データ取得のみを活用する,完全なデータ駆動型ソリューションである。 提案手法は,非リークデータに基づいてトレーニングされた特徴抽出器と一級サポートベクトルマシン(SVM)に基づいて,漏洩を異常として検出する。 Modena WDN を用いたシミュレーションデータセットで得られた結果は,提案手法が近年の漏洩検出法より優れていることを示す。

関連論文リスト

• AI-Driven Forecasting and Monitoring of Urban Water System [5.652933022735071]
  地下水と排水パイプラインは市の運営に欠かせないが、漏れや浸透などの異常に悩まされている。 近年、人工知能は急速に進歩し、都市インフラにもますます応用されている。 地下パイプラインにおける漏洩検知の課題に対処する,統合型AIおよびリモートセンサフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-08T04:28:38Z)
• Filling in the Blanks: Applying Data Imputation in incomplete Water Metering Data [0.0]
  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。
  論文  参考訳（メタデータ） (2025-06-10T15:13:05Z)
• Dual Unscented Kalman Filter Architecture for Sensor Fusion in Water Networks Leak Localization [2.423124553011487]
  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。
  論文  参考訳（メタデータ） (2024-12-16T12:01:08Z)
• 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)
• Simple Ingredients for Offline Reinforcement Learning [86.1988266277766]
  オフライン強化学習アルゴリズムは、ターゲット下流タスクに高度に接続されたデータセットに有効であることが証明された。 既存の手法が多様なデータと競合することを示す。その性能は、関連するデータ収集によって著しく悪化するが、オフラインバッファに異なるタスクを追加するだけでよい。 アルゴリズム的な考慮以上のスケールが、パフォーマンスに影響を及ぼす重要な要因であることを示す。
  論文  参考訳（メタデータ） (2024-03-19T18:57:53Z)
• 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)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• 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)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Watermarking for Out-of-distribution Detection [76.20630986010114]
  Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。 本稿では,透かしという一般的な手法を提案する。 我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
  論文  参考訳（メタデータ） (2022-10-27T06:12:32Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)

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。