論文の概要: AquaSentinel: Next-Generation AI System Integrating Sensor Networks for Urban Underground Water Pipeline Anomaly Detection via Collaborative MoE-LLM Agent Architecture

• arxiv url: http://arxiv.org/abs/2511.15870v1
• Date: Wed, 19 Nov 2025 20:53:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.371853
• Title: AquaSentinel: Next-Generation AI System Integrating Sensor Networks for Urban Underground Water Pipeline Anomaly Detection via Collaborative MoE-LLM Agent Architecture
• Title（参考訳）: AquaSentinel: 協調型MoE-LLMエージェントアーキテクチャによる都市地下水パイプライン異常検出のためのセンサネットワークの統合型次世代AIシステム
• Authors: Qiming Guo, Bishal Khatri, Wenbo Sun, Jinwen Tang, Hua Zhang, Wenlu Wang,
• Abstract要約: AquaSentinelは、都市地下パイプラインネットワークにおけるリアルタイムな異常検出のための物理インフォームドAIシステムである。 1) ネットワーク全体の可観測性を最小限のインフラから実現するために,高分散ノードでの戦略的スパースセンサ展開と物理ベースの状態拡張を併用する。
• 参考スコア（独自算出の注目度）: 11.644739814142502
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underground pipeline leaks and infiltrations pose significant threats to water security and environmental safety. Traditional manual inspection methods provide limited coverage and delayed response, often missing critical anomalies. This paper proposes AquaSentinel, a novel physics-informed AI system for real-time anomaly detection in urban underground water pipeline networks. We introduce four key innovations: (1) strategic sparse sensor deployment at high-centrality nodes combined with physics-based state augmentation to achieve network-wide observability from minimal infrastructure; (2) the RTCA (Real-Time Cumulative Anomaly) detection algorithm, which employs dual-threshold monitoring with adaptive statistics to distinguish transient fluctuations from genuine anomalies; (3) a Mixture of Experts (MoE) ensemble of spatiotemporal graph neural networks that provides robust predictions by dynamically weighting model contributions; (4) causal flow-based leak localization that traces anomalies upstream to identify source nodes and affected pipe segments. Our system strategically deploys sensors at critical network junctions and leverages physics-based modeling to propagate measurements to unmonitored nodes, creating virtual sensors that enhance data availability across the entire network. Experimental evaluation using 110 leak scenarios demonstrates that AquaSentinel achieves 100% detection accuracy. This work advances pipeline monitoring by demonstrating that physics-informed sparse sensing can match the performance of dense deployments at a fraction of the cost, providing a practical solution for aging urban infrastructure.
• Abstract（参考訳）: 地下パイプラインの漏れと浸透は、水の安全と環境安全に重大な脅威をもたらす。 従来の手動検査手法は、限られたカバレッジと遅延応答を提供し、しばしば重要な異常を欠いている。 本稿では,都市地下パイプラインネットワークにおけるリアルタイムな異常検出のための物理インフォームドAIシステムであるAquaSentinelを提案する。 筆者らは,(1)高中央ノードにおける戦略的スパースセンサ展開と物理ベースの状態拡張によるネットワーク全体の可観測性の向上,(2) RTCA(Real-Time Cumulative Anomaly)検出アルゴリズムを用いて,真の異常から過渡的変動を識別する2つの閾値モニタリング,(3) 動的重み付けモデルによる堅牢な予測を提供する時空間グラフニューラルネットワークの混合,(4) ソースノードや影響を受けるパイプセグメントを上流にトレースする因果フローに基づくリークローカライゼーション,の4点を紹介した。 我々のシステムは、重要なネットワークジャンクションにセンサーを戦略的に配置し、物理に基づくモデリングを活用して、監視されていないノードに計測を伝達し、ネットワーク全体のデータ可用性を高める仮想センサーを作成する。 110のリークシナリオを用いた実験的評価は、AquaSentinelが100%検出精度を達成することを示す。 この研究は、物理インフォームドスパースセンシングが高密度配置の性能をわずかなコストで一致させることができることを示し、都市インフラの老朽化に対する実用的な解決策を提供することにより、パイプライン監視を前進させる。

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)
• Unsupervised Online Detection of Pipe Blockages and Leakages in Water Distribution Networks [6.036207670620086]
  水分配ネットワーク(WDN)は、パイプ遮断やバックグラウンドリークといった課題に直面している。 本稿では,WDNにおける2種類の障害を検出することを目的とした,教師なしオンライン学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-22T12:23:40Z)
• Enhancing Network Security Management in Water Systems using FM-based Attack Attribution [43.48086726793515]
  本稿では,水系センサとアクチュエータの相互作用を生かし,サイバー攻撃に対する詳細な説明と属性を提供する,FM(Model-Agnostic Factorization Machines)に基づく新しい手法を提案する。 複雑なセンサーとアクチュエータの相互作用を含む多機能サイバー攻撃シナリオにおいて、FMベースの攻撃属性法は攻撃根原因を効果的にランク付けし、SHAPやLEMNAよりも平均20%向上した。
  論文  参考訳（メタデータ） (2025-03-03T06:52:00Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Graph Neural Networks for Pressure Estimation in Water Distribution Systems [44.99833362998488]
  水分配ネットワーク(WDN)における圧力と流量の推定により、水管理会社は制御操作を最適化できる。 物理に基づくモデリングとデータ駆動型アプローチであるグラフニューラルネットワーク(GNN)を組み合わせて,圧力推定問題に対処する。 我々のGNNモデルでは、オランダの大規模WDNの圧力は1.94mH$O、MAPEは7%と見積もられている。
  論文  参考訳（メタデータ） (2023-11-17T15:30:12Z)
• AMSP-UOD: When Vortex Convolution and Stochastic Perturbation Meet Underwater Object Detection [40.532331552038485]
  AMSP-UOD(Amplitude-Modulated Perturbation and Vortex Convolutional Network)を提案する。 AMSP-UODは複雑な水中環境における非理想的撮像因子が検出精度に与える影響に対処する。 提案手法は,既存の最先端手法よりも精度とノイズ免疫の点で優れる。
  論文  参考訳（メタデータ） (2023-08-23T05:03:45Z)
• 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)

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。