論文の概要: The impact of sensor placement on graph-neural-network-based leakage detection
- arxiv url: http://arxiv.org/abs/2603.24076v1
- Date: Wed, 25 Mar 2026 08:31:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.21036
- Title: The impact of sensor placement on graph-neural-network-based leakage detection
- Title（参考訳）: グラフニューラルネットによる漏洩検出におけるセンサ配置の影響
- Authors: J. J. H. van Gemert, V. Breschi, D. R. Yntema, K. J. Keesman, M. Lazar,
- Abstract要約: 配水ネットワークにおける漏れ検知のためのセンサ配置は,水道事業にとって重要かつ実践的な課題である。
最近の研究によると、グラフニューラルネットワークは圧力を推定して予測し、漏れを検知できるが、その性能は利用可能なセンサーの測定と構成に大きく依存している。
本稿では,新しいPageRank-Centralityを用いたセンサ配置手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sensor placement for leakage detection in water distribution networks is an important and practical challenge for water utilities. Recent work has shown that graph neural networks can estimate and predict pressures and detect leaks, but their performance strongly depends on the available sensor measurements and configurations. In this paper, we investigate how sensor placement influences the performance of GNN-based leakage detection. We propose a novel PageRank-Centrality-based sensor placement method and demonstrate that it substantially impacts reconstruction, prediction, and leakage detection on the EPANET Net1.
- Abstract（参考訳）: 配水ネットワークにおける漏れ検知のためのセンサ配置は,水道事業にとって重要かつ実践的な課題である。
最近の研究によると、グラフニューラルネットワークは圧力を推定して予測し、漏れを検知できるが、その性能は利用可能なセンサーの測定と構成に大きく依存している。
本稿では,センサ配置がGNNによる漏洩検知の性能に与える影響について検討する。
本稿では,新しいPageRank-Centralityを用いたセンサ配置手法を提案し,EPANET Net1の再構築,予測,漏洩検出に大きく影響を与えることを示す。
関連論文リスト
- AquaSentinel: Next-Generation AI System Integrating Sensor Networks for Urban Underground Water Pipeline Anomaly Detection via Collaborative MoE-LLM Agent Architecture [11.644739814142502]
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。
論文 参考訳（メタデータ） (2025-11-19T20:53:50Z) - Sensor Placement for Learning in Flow Networks [6.680930089714339]
本稿では,ネットワークのセンサ配置問題について検討する。
まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。
次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリージーを提案する。
論文 参考訳（メタデータ） (2023-12-12T01:08:08Z) - Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air
Pollution Monitoring Systems [8.997596859735516]
本稿では,センサアレイからのデータを融合させることによりキャリブレーションのプロセスを改善する新しい手法を提案する。
我々は,IoT大気汚染監視プラットフォームにおけるセンサの校正精度を大幅に向上させる手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-09-08T12:04:47Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳（メタデータ） (2023-06-19T11:00:54Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - pmSensing: A Participatory Sensing Network for Predictive Monitoring of
Particulate Matter [0.0]
pmSensingシステムは粒子状物質を測定することを目的としている。
プロトタイプが収集したデータとステーションのデータを比較して検証を行う。
このシステムは、リカレントニューラルネットワークを用いて予測分析を行う。
論文 参考訳（メタデータ） (2021-11-22T17:34:12Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z)
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。