面向概念漂移的水体污染在线检测
机器学习
2025-08-25 v1 人工智能
摘要
水力分布网络（WDN）是重要的基础设施，污染物的存在构成严重的公共卫生风险。有害物质可与氯消毒剂发生反应，使得氯监测对于检测污染物至关重要。然而，氯传感器常常不可靠，需要频繁校准。本研究引入Dual-Threshold Anomaly and Drift Detection（AD&DD）方法，一种无监督方法，结合双阈值漂移检测机制和基于LSTM的变分自编码器（LSTM-VAE），用于实时污染检测。我们在两种真实WDN上进行测试，AD&DD有效识别了带有传感器偏移作为概念漂移的异常情况，且其他方法表现更好。我们提出的分布式架构允许在所选节点上部署AD&DD，以实现准确的污染检测和定位。
引用
@article{arxiv.2501.02107,
title = {Online Detection of Water Contamination Under Concept Drift},
author = {Jin Li and Kleanthis Malialis and Stelios G. Vrachimis and Marios M. Polycarpou},
journal= {arXiv preprint arXiv:2501.02107},
year = {2025}
}