利用机器学习通过理解管道失效驱动因素预防水管爆裂
计算机与社会
2020-06-09 v1 机器学习
摘要
Data61 与 Western Water 合作，应用工程专长与机器学习工具，为墨尔本西部区域水管失效问题寻找具成本效益的解决方案，该区域平均每年发生 400 起水管失效。为实现此目标，我们通过 1）发现水管爆裂的潜在驱动因素，以及 2）开发机器学习系统，利用历史失效记录、管道描述符及其他环境因素评估和预测水管爆裂的失效可能性，构建了水管网络行为的详细图景与理解。所得结果为 Western Water 确定管道更新优先级开辟了途径。
引用
@article{arxiv.2006.03385,
title = {Utilizing machine learning to prevent water main breaks by understanding pipeline failure drivers},
author = {Dilusha Weeraddana and Bin Liang and Zhidong Li and Yang Wang and Fang Chen and Livia Bonazzi and Dean Phillips and Nitin Saxena},
journal= {arXiv preprint arXiv:2006.03385},
year = {2020}
}
备注
8 pages, 18 figures. Ozwater 2019 conference