使用高阶条件随机场识别供水系统中的泄漏事件
机器学习
2017-03-14 v1
摘要
如今，对民用基础设施（如水管破裂和泄漏）中异常事件的检测耗时良久，通常需要数小时甚至数天。水管破裂作为供水网络最常见的故障类型之一，常常导致社区混乱，范围从服务暂时中断到长期业务损失和居民搬迁。在本项目中，我们设计并实现了一种用于泄漏事件识别的两阶段方法，该方法利用来自多个信息源的动态数据，包括物联网传感数据（压力值和/或流量）、地球物理数据（供水系统）以及人工输入（Twitter 上发布的推文）。在该方法中，构建了一个高阶条件随机场 (CRF)，强制基于物联网观测的预测与人工输入保持一致，以提高事件识别的性能。将物理供水网络视为图，利用节点特征（如水压和流量），通过结构化支持向量机 (SSVM) 构建并学习 CRF 模型。此后，我们通过强制执行 Twitter 泄漏检测信息来构建高阶 CRF 系统。针对所适配的高阶 CRF 模型，提出了一种最优推理算法。实验结果显示了该系统的有效性。
引用
@article{arxiv.1703.04170,
title = {Leak Event Identification in Water Systems Using High Order CRF},
author = {Qing Han and Wentao Zhu and Yang Shi},
journal= {arXiv preprint arXiv:1703.04170},
year = {2017}
}