Leakage detection using water flow data with automatic model selection and optimization
| Autor: | Nascimento, Willian Muniz do |
|---|---|
| Přispěvatelé: | Gomes Junior, Luiz Celso, Depexe, Marcelo Dalcul, Delgado, Myriam Regattieri de Biase da Silva, Riella, Rodrigo Jardim |
| Jazyk: | portugalština |
| Rok vydání: | 2021 |
| Předmět: |
Supervisory control systems
Loss control - Water-supply CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO [CNPQ] Ciência da Computação Algorítmos Água - Desperdício Water - Distribution - Curitiba (PR) Água - Distribuição - Curitiba (PR) Sistemas de controle supervisório Controle de perdas - Abastecimento de água Algorithms Water - Waste |
| Zdroj: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
| Popis: | O gerenciamento adequado dos recursos hídricos é uma questão prioritária no mundo moderno. Um importante aspecto desta questão é a minimização de perdas na distribuição urbana de água. O monitoramento em tempo real do sistema de distribuição seguido da aplicação de técnicas para detecção de outliers no fluxo de água vem sendo uma alternativa efetiva para a redução desse índice. A identificação dos melhores modelos e parâmetros otimizados para a detecção é um desafio neste cenário complexo. Portanto, a área pode se beneficiar dos desenvolvimentos recentes de estratégias para seleção e ajuste de modelos, área também conhecida por Aprendizagem de Máquina Automatizada, do inglês Automated Machine Learning (AutoML). Este trabalho apresenta uma proposta de aplicação de técnicas de detecção de outliers e recursos de AutoML em dados de fluxo de água em 16 Zonas de Pressão do sistema de distribuição de água de Curitiba, estado do Paraná, Brasil. É aplicada uma ferramenta “off-the-shelf”de AutoML e realizada uma otimização automática de algoritmos específicos de detecção de outliers. Os experimentos conduzidos indicam que a combinação de AutoML com técnicas tradicionais de detecção de outliers é o direcionamento mais efetivo. Proper management of water resources is a priority issue in the modern world. An important aspect of this matter is the reduction of losses in the urban water distribution. The real-time monitoring of the distribution system followed by the application of outlier detection techniques on water flow data has been an effective alternative to reduce this index. The identification of best models and optimized parameters for detection is a challenge in this complex scenario. Therefore, the area can benefit from the recent developments in model selection and adjustment strategies, this area also known as Automated Machine Learning (AutoML). This work presents a proposal for the application of outlier detection techniques and AutoML resources on water flow data of 16 District Metering Areas (DMAs) of the water distribution system in Curitiba, state of Paraná, Brazil. An off-the-shelf AutoML tool is applied and automatic optimization of specific outlier detection algorithms is performed. The experiments conducted indicate that combining AutoML with traditional outlier detection techniques is the most effective direction. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|