Machine Learning for Water Leak Detection and Localization in the WaterPrime Project

Uproszczony widok
dc.contributor.authorGłomb, Przemysław
dc.contributor.authorRomaszewski, Michał
dc.contributor.authorCholewa, Michał
dc.contributor.authorKoral, Wojciech
dc.contributor.authorMadej, Andrzej
dc.contributor.authorSkrabski, Maciej
dc.contributor.authorKołodziej, Katarzyna
dc.date.accessioned2023-09-22T06:54:21Z
dc.date.available2023-09-22T06:54:21Z
dc.date.issued2023
dc.description.abstractWe present an integrated approach for water leak detection and localization developed for the WaterPrime project. Proposed method is based on telemetric monitoring of a District Metered Areas (DMA), using first an application of anomaly detection on sensors’ data and then building a ‘digital twin’ of a DMA state using a combination of hydraulic simulator and machine learning algorithms. This approach leads to reduction of time of leak location estimation from the order of weeks/months to days, and provides a significant reduction in quantity of water lost, as was preliminary verified in two waterworks associated with the project.en_EN
dc.identifier.citationGłomb P., Romaszewski M., Cholewa M., Koral W., Madej A., Skrabski M., Kołodziej K., Machine Learning for Water Leak Detection and Localization in the WaterPrime Project. W: Progress in Polish Artificial Intelligence Research 4, Wojciechowski A. (Ed.), Lipiński P. (Ed.)., Seria: Monografie Politechniki Łódzkiej Nr. 2437, Wydawnictwo Politechniki Łódzkiej, Łódź 2023, s. 193-194, ISBN 978-83-66741-92-8, doi: 10.34658/9788366741928.30.
dc.identifier.doi10.34658/9788366741928.30
dc.identifier.isbn978-83-66741-92-8
dc.identifier.urihttp://hdl.handle.net/11652/4806
dc.identifier.urihttps://doi.org/10.34658/9788366741928.30
dc.language.isoenen_EN
dc.page.numbers. 193-194
dc.publisherWydawnictwo Politechniki Łódzkiejpl_PL
dc.publisherLodz University of Technology Pressen_EN
dc.relation.ispartofWojciechowski A. (Ed.), Lipiński P. (Ed.)., Progress in Polish Artificial Intelligence Research 4, Seria: Monografie Politechniki Łódzkiej Nr. 2437, Wydawnictwo Politechniki Łódzkiej, Łódź 2023, ISBN 978-83-66741-92-8, doi: 10.34658/9788366741928.
dc.rightsDla wszystkich w zakresie dozwolonego użytkupl_PL
dc.rightsFair use conditionen_EN
dc.rights.licenseLicencja PŁpl_PL
dc.rights.licenseLUT Licenseen_EN
dc.subjectleak detectionen_EN
dc.subjectleak localizationen_EN
dc.subjectanomaly detection in time seriesen_EN
dc.subjectmachine learning of a digital twinen_EN
dc.subjectdetekcja wyciekówpl_PL
dc.subjectlokalizacja wyciekówpl_PL
dc.subjectwykrywanie anomalii w szeregach czasowychpl_PL
dc.subjectuczenie maszynowe cyfrowego bliźniakapl_PL
dc.titleMachine Learning for Water Leak Detection and Localization in the WaterPrime Projecten_EN
dc.typeRozdział - monografiapl_PL
dc.typeChapter - monographen_EN

Pliki

Oryginalne pliki

Teraz wyświetlane 1 - 1 z 1
Brak miniatury
Nazwa:
30. Machine_learning_water_Glomb_Romaszewski_2023.pdf
Rozmiar:
138.87 KB
Format:
Adobe Portable Document Format
Opis:
Pobierz

Licencja

Teraz wyświetlane 1 - 1 z 1
Brak miniatury
Nazwa:
license.txt
Rozmiar:
1.71 KB
Format:
Item-specific license agreed upon to submission
Opis:
Pobierz

Kolekcje

Rozdziały