JP7482486B2 - 管水路の異常検知システム、推定装置、学習モデル生成装置、管水路の異常検知装置、管水路の異常検知方法、推定方法、及び学習モデル生成方法 - Google Patents
管水路の異常検知システム、推定装置、学習モデル生成装置、管水路の異常検知装置、管水路の異常検知方法、推定方法、及び学習モデル生成方法 Download PDFInfo
- Publication number
- JP7482486B2 JP7482486B2 JP2020193771A JP2020193771A JP7482486B2 JP 7482486 B2 JP7482486 B2 JP 7482486B2 JP 2020193771 A JP2020193771 A JP 2020193771A JP 2020193771 A JP2020193771 A JP 2020193771A JP 7482486 B2 JP7482486 B2 JP 7482486B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- weather
- sensor
- learning model
- pipeline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims description 80
- 238000000034 method Methods 0.000 title claims description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 41
- 230000005856 abnormality Effects 0.000 claims description 40
- 238000010801 machine learning Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 239000008400 supply water Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Examining Or Testing Airtightness (AREA)
- Pipeline Systems (AREA)
Description
本発明の一形態に係る管水路の異常検知システムは、管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、前記天気データを推定する推定装置と、推定装置が推定した天気データと、入力した前記センサデータ取得時の実際の天気の分類を表す天気データとを比較して、前記管水路における異常発生の有無を判定する判定装置とを備えている。
学習モデル生成装置30は、管水路内の状態を検出するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより、前記センサデータを入力として、前記天気データを出力する学習モデルを生成する。
推定装置10は、管水路内の状態を検知するセンサから取得したセンサデータと、センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、センサデータを入力として、天気データを推定する。
判定装置20は、推定装置10が推定した天気データと、学習モデルに入力した圧力データ取得時の実際の天気の分類を表す天気データとを比較して、管水路における異常発生の有無を判定する。
天気データ生成装置40は、取得した天気を表すテキストデータに基づき、当該天気を所定の天気の分類に分類した天気データを生成する。
図5は、本発明の一態様に係る学習モデル生成装置30における学習モデル生成処理の流れの一例を示すフローチャートである。
図6は、本発明の一態様に係る推定装置10における推定処理の流れの一例を示すフローチャートである。
図7は、本発明の一態様に係る管水路の異常検知システム100の判定装置20における判定処理の流れの一例を示すフローチャートである。
以上のように、管水路の異常検知システム100は、管水路内の圧力データが農業従事者の給水栓の操作により変動すること、及び、農業従事者による給水栓の操作が当日の天気の影響をうけるという、本発明者らが見出した知見に基づくものである。管水路の異常検知システム100は、センサ50が計測した圧力のデータを入力として学習モデルが推定した天気と実際のその日の天気とが、一致する場合は管水路に異常はないと判定し、異なる場合には管水路に異常があると判定する。
異常検知システムを、推定装置に対応する推定部と、判定装置に対応する判定部とを一体として含む異常検知装置として実現してもよい。すなわち、管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、前記天気データを推定する推定部と、推定装置が推定した天気データと、入力した前記センサデータ取得時の実際の天気の分類を表す天気データとを比較して、前記管水路における異常発生の有無を判定する判定部とを備えた、管水路の異常検知装置についても、本発明の範疇に含まれる。
推定装置10、判定装置20、学習モデル生成装置30、及び天気データ生成装置40の制御ブロック(特に制御部11、制御部21、制御部31、及び制御部41)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
本発明の一態様に係る管水路の異常検知システム100は、管水路内の状態を検知するセンサ50から取得したセンサデータ(圧力データ)と、センサ50による検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデル80を用いて、センサデータを入力として、天気データを推定する推定装置10と、推定装置10が推定した天気データと、入力したセンサデータ取得時の実際の天気の分類を表す天気データとを比較して、管水路における異常発生の有無を判定する判定装置20とを備えている。
13 推定部
20 判定装置
23 判定部
30 学習モデル生成装置
33 学習モデル生成部
40 天気データ生成装置
50 センサ
80 学習モデル
100 管水路の異常検知システム
Claims (10)
- 管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、前記天気データを推定する推定装置と、
前記推定装置が推定した天気データと、入力した前記センサデータ取得時の実際の天気の分類を表す天気データとを比較して、前記管水路における異常発生の有無を判定する判定装置と
を備えた、管水路の異常検知システム。 - 前記センサデータは、前記管水路内の圧力、流量、及び振動からなる群より選択される少なくとも1つの所定時間内の変化を表すデータである、請求項1に記載の管水路の異常検知システム。
- 前記センサデータは、前記管水路の所定区間内の上流側及び下流側の少なくとも2箇所に設けられたセンサから取得したデータである、請求項1または2に記載の管水路の異常検知システム。
- 取得した天気を表すテキストデータに基づき、当該天気を所定の天気の分類に分類した前記天気データを生成する天気データ生成装置をさらに備えた、請求項1から3のいずれか1項に記載の管水路の異常検知システム。
- 管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、天気データを推定する推定部を備えた、推定装置。
- 管水路内の状態を検出するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより、前記センサデータを入力として、前記天気データを出力する学習モデルを生成する学習モデル生成部を備えた、学習モデル生成装置。
- 管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、前記天気データを推定する推定部と、
前記推定部が推定した天気データと、入力した前記センサデータ取得時の実際の天気の分類を表す天気データとを比較して、前記管水路における異常発生の有無を判定する判定部と
を備えた、管水路の異常検知装置。 - 管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、前記天気データを推定する工程と、
前記推定する工程においてが推定した天気データと、入力した前記センサデータ取得時の実際の天気の分類を表す天気データとを比較して、前記管水路における異常発生の有無を判定する工程と
を含む、管水路の異常検知方法。 - 管水路内の状態を検知するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、前記センサデータを入力として、天気データを推定する工程を含む、推定方法。
- 管水路内の状態を検出するセンサから取得したセンサデータと、前記センサによる検出時の天気の分類を表す天気データとを教師データとして機械学習を行うことにより、前記センサデータを入力として、前記天気データを出力する学習モデルを生成する工程を含む、学習モデル生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020193771A JP7482486B2 (ja) | 2020-11-20 | 2020-11-20 | 管水路の異常検知システム、推定装置、学習モデル生成装置、管水路の異常検知装置、管水路の異常検知方法、推定方法、及び学習モデル生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020193771A JP7482486B2 (ja) | 2020-11-20 | 2020-11-20 | 管水路の異常検知システム、推定装置、学習モデル生成装置、管水路の異常検知装置、管水路の異常検知方法、推定方法、及び学習モデル生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022082294A JP2022082294A (ja) | 2022-06-01 |
JP7482486B2 true JP7482486B2 (ja) | 2024-05-14 |
Family
ID=81801946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020193771A Active JP7482486B2 (ja) | 2020-11-20 | 2020-11-20 | 管水路の異常検知システム、推定装置、学習モデル生成装置、管水路の異常検知装置、管水路の異常検知方法、推定方法、及び学習モデル生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7482486B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11953161B1 (en) | 2023-04-18 | 2024-04-09 | Intelcon System C.A. | Monitoring and detecting pipeline leaks and spills |
CN116817192B (zh) * | 2023-08-30 | 2023-11-17 | 南通金芸流体设备有限公司 | 一种管道输送设备的腐蚀监测告警方法及系统 |
-
2020
- 2020-11-20 JP JP2020193771A patent/JP7482486B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2022082294A (ja) | 2022-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020261087B2 (en) | Method and system for detecting a structural anomaly in a pipeline network | |
US8072340B2 (en) | Water leakage monitoring system | |
CN108984873B (zh) | 供水管网实时漏损检测方法、设备、系统及存储介质 | |
KR102060481B1 (ko) | 회귀분석, 회귀신경망 및 심층신경망을 이용한 광역상수도의 유량 예측 및 누수 감지 방법 | |
JP5329871B2 (ja) | 漏水節点推定装置 | |
Eliades et al. | Leakage fault detection in district metered areas of water distribution systems | |
JP5756767B2 (ja) | 漏水検知装置 | |
JP3543426B2 (ja) | 管路網管理方法およびシステム | |
JP4314038B2 (ja) | 流体搬送管網中の異常箇所を推定する方法 | |
JP7482486B2 (ja) | 管水路の異常検知システム、推定装置、学習モデル生成装置、管水路の異常検知装置、管水路の異常検知方法、推定方法、及び学習モデル生成方法 | |
KR100973662B1 (ko) | 실증적방법과 수학적방법을 융합하는 하이브리드 기법에 의한 상수도관망에서의 누수탐지시스템 | |
KR101105192B1 (ko) | 관망해석에 의한 상수도 누수혐의구간 선정방법 및 그 기능을 탑재한 상수도 통합관리운영시스템 | |
Romano et al. | Statistical process control based system for approximate location of pipe bursts and leaks in water distribution systems | |
US20230221208A1 (en) | Systems and methods for detecting and predicting a leak in a pipe system | |
US20220082409A1 (en) | Method and system for monitoring a gas distribution network operating at low pressure | |
CN107013812B (zh) | 一种三场耦合管道泄漏监测方法 | |
JPH0896039A (ja) | 水道管路情報管理装置 | |
US20170153023A1 (en) | Fluid Utilization Facility Management Method and Fluid Utilization Facility Management System | |
Bakker et al. | Analysis of historic bursts and burst detection in water supply areas of different size | |
Berardi et al. | Active leakage control with WDNetXL | |
Zhang et al. | Pipe crack early warning for burst prevention by permanent acoustic noise level monitoring in smart water networks | |
JP2017002554A (ja) | 管路異常検知装置および方法 | |
KR20200092503A (ko) | 입출력 음향 데이터 기반의 딥러닝을 활용한 하수관 상태 판별 방법 | |
JP2007270562A (ja) | 配水情報管理装置 | |
JP2015137866A (ja) | 漏水量推定装置及び方法並びにシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230926 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240322 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7482486 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |