使用随机森林分类预测污水管 deterioration
计算工程、金融与科学
2019-12-20 v1 机器学习
机器学习
摘要
废水基础设施系统由于物理和化学因素的共同作用会随时间退化。这一重要基础设施的失效可能带来重大的社会、环境和经济影响。此外，识别污水管道检测的最优时间线对水务管理者及其他主管部门而言是一项具有挑战性的任务。由于评估技术时间有限且成本高昂，以及管道存量庞大，对污水管网进行定期检查并不具备成本效益。为避免此类障碍，众多研究者致力于改进基础设施状况评估方法，以将污水管系统维持在期望状况。污水状况预测模型被开发出来，为预测管道未来状况以提供检测频率排程框架。本研究的主要目标是使用随机森林分类开发废水管道的预测模型。预测模型能够有效预测污水管状况，提高预测结果的确定水平并降低废水管当前状况的不确定性。所开发的随机森林分类模型在加州洛杉矶市的案例研究中取得了分层测试集假阴性率、假阳性率以及优异的 ROC 曲线下面积 0.81。ROC 曲线下面积 > 0.80 表明所开发模型是预测污水管网中单根管道状况的“优异”选择。该退化模型可用于工业界以改进检测时间线与维护规划。
引用
@article{arxiv.1912.04194,
title = {Prediction of Sewer Pipe Deterioration Using Random Forest Classification},
author = {Razieh Tavakoli and Ali Sharifara and Mohammad Najafi},
journal= {arXiv preprint arXiv:1912.04194},
year = {2019}
}
备注
This submission has been removed by arXiv administrators due to copyright infringement and inappropriate text reuse from external sources