基于非参数生存分析的长周期管道失效预测
机器学习
2020-11-18 v1 人工智能
摘要
澳大利亚的水基础设施已有逾百年历史，因而已开始通过水管爆裂显现其老化。我们的工作涉及澳大利亚主要城市中约五十万条向家庭和企业供水、服务超五百万客户的管道。这些地下资产的失效会造成财产损失与供水中断。我们应用机器学习技术，为这些澳大利亚城市中的管道失效问题寻找具成本效益的解决方案，那里平均每年发生1500起水管失效。为实现此目标，我们利用历史失效记录、管道描述符及其他环境因素，开发机器学习模型以评估和预测水管爆裂的失效可能性，从而构建对水管网络行为的详尽认知。我们的结果表明，我们所采用的结合称为“随机生存森林”的非参数生存分析技术的系统，在长期预测上优于若干流行算法与专家启发式方法。此外，我们构建了统计推断技术以量化长期预测相关的不确定性。
引用
@article{arxiv.2011.08671,
title = {Long-Term Pipeline Failure Prediction Using Nonparametric Survival Analysis},
author = {Dilusha Weeraddana and Sudaraka MallawaArachchi and Tharindu Warnakula and Zhidong Li and Yang Wang},
journal= {arXiv preprint arXiv:2011.08671},
year = {2020}
}
备注
ECML-PKDD 2020