論文の概要: The Tethys Dataset: Seven Years of Hourly Smart Water Metering and a Pipeline for Making It Usable

• arxiv url: http://arxiv.org/abs/2609.22358v1
• Date: Thu, 17 Sep 2026 12:47:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:56:00.697361
• Title: The Tethys Dataset: Seven Years of Hourly Smart Water Metering and a Pipeline for Making It Usable
• Title（参考訳）: テティスのデータ:7年間にわたるスマートな水位測定と使用可能なパイプライン
• Abstract要約: 市町村水道網24棟の給水データを91カ月間提示した。 その結果, 生成したファイルのアグリゲーションは, 累積指数が205,200に減少する可能性が示唆された。 計器は累積的であるため、短い隙間を埋める読み出しは、その間を通った体積を固定するので、測定時間のうち75.9%は休息し、24.1%は未知のものとして報告されている。
• 参考スコア（独自算出の注目度）: 0.11199585259018459
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Methods for water demand forecasting and leak detection are based on public datasets, and for water those are scarce, short, or released only after an undocumented cleaning process, hiding defects of the deployment they came from. We present Tethys: 91 months of hourly water consumption data from 24 buildings of a municipal water network, published with a quantitative account of its quality, rather than in place of one. Raw availability is 59.4%, while loss is not random: 4 fleet-wide outages totalling 595 days interrupt the entire estate at once. We show that the aggregation producing the released files silently introduced 205,200 impossible decreases in a cumulative index, and that correcting it is a one-line change. Because the meters are cumulative, the readings bracketing a short gap fix the volume that passed through it, so 75.9% of hours rest on a measurement, while 24.1% are reported as unknown. We release the dataset, its per-hour provenance, and the pipeline that produces it.
• Abstract（参考訳）: 水需要予測とリーク検出の方法は、パブリックデータセットに基づいており、水は、文書化されていないクリーニングプロセスの後にのみ不足し、短く、あるいは解放され、それらが得られたデプロイメントの欠陥を隠蔽する。 テティス(Tethys)は、市営水道網の24棟の建物から91ヶ月の給水データを収集し、その質を定量的に分析した。 原価は59.4%、損失はランダムではない:4つの艦隊全体での停電は595日で一度に全財産を中断する。 その結果, 生成したファイルのアグリゲーションは累積指数が205,200に減少し, 修正は1行の修正であることがわかった。 計器は累積的であるため、短い隙間を埋める読み出しは、その間を通った体積を固定するので、測定時間のうち75.9%は休息し、24.1%は未知のものとして報告されている。 データセット、時間単位の実績、それを生成するパイプラインをリリースします。

関連論文リスト

• An Uncertainty-Aware Hybrid Mathematical-Machine-Learning Model for Smart Irrigation Decision Support [0.0]
  農業は世界の淡水流出の約70%を占めている。 データ駆動モデルは正確だが不透明でポイント評価されている。 水収支モデルは透過的であるが、大きな構造誤差を持つ。
  論文  参考訳（メタデータ） (2026-09-12T10:34:16Z)
• Mean Time to Remediate Is Not a Fielding Model: A Cadence Audit for Enterprise Vulnerability Management [51.56484100374058]
  本稿では,企業脆弱性管理のための改善ケイデンス監査について紹介する。 平均ラグ、放出期間、放出率、コホート幾何、緊急/ルーチン分割、非着地遅延、局所残留圧証拠、宣言されたレートシナリオを記録している。
  論文  参考訳（メタデータ） (2026-07-05T21:23:26Z)
• Mapping the evolution of small reservoirs in Brazil from 1984 to 2025 using deep learning [0.0]
  我々は、ブラジルの小さな流水型表層貯水池を正確に分断するために、ディープラーニングコンピュータビジョンモデルを訓練する。 検出された貯水池の数は263,913から96,245にほぼ4倍に増加し、表面積は3510$km2$から8550$km2$に増加した。 これは、40年以上にわたる小さな貯水池の進化を表す国内初の年間データセットである。
  論文  参考訳（メタデータ） (2026-05-30T11:11:21Z)
• Water Mapping and Change Detection Using Time Series Derived from the Continuous Monitoring of Land Disturbance Algorithm [5.426703801207648]
  土地変動の継続的モニタリング(COLD)アルゴリズムは、土地変化のリアルタイム解析に有用なツールである。 本稿では,水量推定アルゴリズムの有効性を評価し,時間とともに画素レベルの水位変化を追跡する。
  論文  参考訳（メタデータ） (2025-04-04T04:59:46Z)
• Did You Train on My Dataset? Towards Public Dataset Protection with Clean-Label Backdoor Watermarking [54.40184736491652]
  本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。 データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。 この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
  論文  参考訳（メタデータ） (2023-03-20T21:54:30Z)
• Understanding Collapse in Non-Contrastive Learning [122.2499276246997]
  モデルがデータセットサイズに対して小さすぎる場合,SimSiam表現が部分次元崩壊することを示す。 本稿では,この崩壊の度合いを計測し,微調整やラベルを使わずに下流のタスク性能を予測できる指標を提案する。
  論文  参考訳（メタデータ） (2022-09-29T17:59:55Z)
• Water and Sediment Analyse Using Predictive Models [2.3226893628361682]
  水質評価には、遠隔地における水と堆積物の連続的なモニタリングが必要である。 機械学習を用いて予測モデルを定式化する自動フレームワークを提案する。 本モデルでは,データ不足の57%を考慮し,75%の精度でアーカイブした。
  論文  参考訳（メタデータ） (2022-03-04T02:28:01Z)
• Regularization methods for the short-term forecasting of the Italian electric load [77.34726150561087]
  イタリアの電力負荷の24のプロファイル全体を予測する問題はマルチタスク学習問題として対処される。 96x96行列重みは96x96行列を形成し、正方形の領域にサンプリングされた表面として見ることができる。 表面の自由度を下げるための規則化とスパーシリティの異なるアプローチを探索し、得られた予測をイタリアのトランスミッション・システム・オペレーター・テルナの予測と比較した。
  論文  参考訳（メタデータ） (2021-12-08T22:15:06Z)
• Long-Term Pipeline Failure Prediction Using Nonparametric Survival Analysis [4.838046459336203]
  我々は,水本破壊の故障確率を評価し,予測するための機械学習モデルを開発した。 以上の結果から,本システムはランサムサバイバルフォレスト(Random Survival Forest)と呼ばれる非パラメトリックサバイバル分析手法を取り入れていることが明らかとなった。 さらに,長期予測に関連する不確かさを定量化するために,統計的推論手法を構築した。
  論文  参考訳（メタデータ） (2020-11-11T02:31:31Z)
• 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。