論文の概要: Compound Environmental Operating Stress and Cyber-Induced Pump Disruption in Water Distribution Networks: Matched Hydraulic Impacts, Service Continuity, and Sustained Recovery

• arxiv url: http://arxiv.org/abs/2610.34670v1
• Date: Mon, 26 Oct 2026 01:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.660271
• Title: Compound Environmental Operating Stress and Cyber-Induced Pump Disruption in Water Distribution Networks: Matched Hydraulic Impacts, Service Continuity, and Sustained Recovery
• Title（参考訳）: 配水網における複合環境負荷とサイバネティックポンプの破壊--整合した水圧影響, サービス継続性, 持続的回復
• Abstract要約: 本研究では,2つのEPANETベンチマークネットワークを用いて,仮想環境負荷下でのサイバーによるポンプ停止の評価を行った。 実験設計は288のシミュレーション記録(240の異なる構成)で構成されている。 12時間の停電により、Net1では平均404.96 m$3$の非金属需要が発生し、Net3は圧力のずれにもかかわらず完全なモデルによる需要供給を維持した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digitally controlled water distribution systems must maintain service during disruptions, yet restoring water delivery does not necessarily ensure hydraulic recovery. This study evaluates cyber-induced pump outages under hypothetical environmental operating stress using two EPANET benchmark networks (Net1 and Net3) simulated with the Water Network Tool for Resilience. The experimental design comprises 288 simulation records (240 distinct configurations), including 192 verified attack scenarios, with four- and twelve-hour outages, six hydraulic configurations, and four mitigation strategies. All attack scenarios satisfied pump-shutdown verification and pre-attack hydraulic-equivalence criteria. Twelve-hour outages produced an average of 404.96 m$^3$ of unmet demand in Net1, while Net3 maintained full modeled demand delivery despite pressure deviations. Sustained pressure recovery occurred in 103 of 192 scenarios, with 65 exhibiting subsequent relapse, whereas all scenarios satisfied the post-outage water-service recovery criterion. Combined mitigation eliminated unmet demand in evaluated Net1 scenarios, while outage shortening achieved the highest sustained-pressure-recovery count. These findings highlight network-dependent resilience and the distinction between service restoration and hydraulic recovery. Environmental stress scenarios represent sensitivity assumptions rather than empirically calibrated climate impacts.
• Abstract（参考訳）: デジタル制御された配水システムでは、ディスラプション時にサービスを維持する必要があるが、給水は必ずしも水力回復を確実にするとは限らない。 本研究では,2つのEPANETベンチマークネットワーク (Net1 と Net3) と Water Network Tool for Resilience を併用した仮想環境負荷下でのサイバーポンプの停止について検討した。 実験設計は、288のシミュレーション記録(240の異なる構成)で構成され、4時間と12時間の停止、6つの油圧構成、および4つの緩和戦略を含む192の検証された攻撃シナリオを含む。 全ての攻撃シナリオはポンプシャットダウン検証とプレアタック油圧等価基準を満たした。 12時間の停電により、Net1では平均404.96 m$^3$の非金属需要が発生し、Net3では圧力のずれにもかかわらず、完全なモデルによる需要供給が維持された。 持続的な圧力回復は192例中103例で発生し,65例は再発がみられた。 複合緩和は評価されたNet1シナリオにおける非金属需要を排除し、停止短縮は持続的減圧回収数で最高に達した。 これらの知見は、ネットワーク依存のレジリエンスと、サービス回復と油圧回復の区別を浮き彫りにしている。 環境ストレスシナリオは、経験的に校正された気候の影響よりも敏感な仮定を表している。

関連論文リスト

• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• HydroSphere: A Framework for Governed, Self-Healing Wastewater Infrastructure [0.0]
  HydroSphereは、リアルタイム水質モニタリング、予測、処理最適化、障害復旧のための、管理されたデータ駆動フレームワークである。 このフレームワークは、これらの機能と、より安全で適応的な水インフラをサポートするために、結合したガバナンス、決定論的安全境界、人間の監視を組み合わせる。
  論文  参考訳（メタデータ） (2026-09-24T17:18:48Z)
• From Accounting to Coordination: A Virtual Water-Aware Electricity-Computation-Water Nexus Framework for Data Center Dispatch [13.519232591152353]
  データセンターは電力需要の持続的な増加と、それに伴う水流出を世代別で推進している。 既存のアプローチは、水のフットプリントを定量化するために静的統計会計に依存している。 本稿では, 電力系統の配電に仮想水の影響を直接内包する運用型電気計算・水ネクサス・フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-05-25T13:45:07Z)
• Explainable Wastewater Digital Twins: Adaptive Context-Conditioned Structured Simulators with Self-Falsifying Decision Support [2.3895981099137535]
  CCSS-IXは、コンテキスト認識ゲーティングネットワークによって適応的に混合された、解釈可能な局所線形状態空間"専門家"のバンクである。 実行時決定層は、統計的に認証できないオペレータが提案するアクションに対して、不当な時間的証人を排除、再開、または返却するために共形リスク制御を適用する。
  論文  参考訳（メタデータ） (2026-05-19T13:19:27Z)
• Automating Supply Chain Disruption Monitoring via an Agentic AI Approach [49.77982322940809]
  我々は、自律的に監視し、分析し、拡張されたサプライネットワークにまたがる破壊に応答する、最小限の教師付きエージェントAIフレームワークを導入する。 F1スコアは0.962から0.991の間であり、破壊1回あたり0.0836ドルのコストで平均3.83分でエンドツーエンドの分析を行う。
  論文  参考訳（メタデータ） (2026-01-14T18:28:31Z)
• Operator-based machine learning framework for generalizable prediction of unsteady treatment dynamics in stormwater infrastructure [3.919683312513903]
  コスト効率の高い設計と計画には,その場での処理性能の正確な評価が不可欠である。 従来のループ型動的モデルは計算効率が良いが、輸送と反応のプロセスが単純化され、予測精度と洞察が制限される。 本研究では,水理と粒子状物質(PM)の空間的・時間的ダイナミクスを予測するために,最先端の演算子学習を活用する複合演算子ベースニューラルネットワーク(CPNN)フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-07-07T06:02:42Z)
• DiTEC-WDN: A Large-Scale Dataset of Hydraulic Scenarios across Multiple Water Distribution Networks [41.94295877935867]
  このデータセットは、短期(24時間)または長期(1年)でシミュレートされた36,000のユニークなシナリオで構成されている。 DiTEC-WDNは、グラフレベル、ノードレベル、リンクレベルの回帰、時系列予測など、さまざまな機械学習タスクをサポートすることができる。 この貢献は、公的なライセンスの下でリリースされ、クリティカルウォーターセクターにおけるオープンな科学研究を奨励し、センシティブなデータを露出するリスクを排除し、研究比較とシナリオ分析のための大規模な配水ネットワークベンチマークの必要性を満たす。
  論文  参考訳（メタデータ） (2025-03-21T14:14:03Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [69.38041171537573]
  水質は環境の持続可能性、生態系の回復力、公衆衛生に基礎を置いている。 ディープラーニングは、大規模な水質予測と科学的洞察生成のための変革的なポテンシャルを提供する。 汚染緩和や資源配分等、高額な運用上の意思決定に広く採用されていることは、未解決の信頼性の課題によって防止されている。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• 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)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• 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。