$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] LSTM 기반 딥러닝 알고리즘을 적용한 상수도시스템 누수인지 모델 개발
Development of leakage detection model in water distribution networks applying LSTM-based deep learning algorithm 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.54 no.8, 2021년, pp.599 - 606  

이찬욱 (수원대학교 토목공학과) ,  유도근 (수원대학교 토목공학과 하천환경기술연구소)

초록
AI-Helper 아이콘AI-Helper

지하에 매설되어 있는 사회기반시설물 중 하나인 상수도시스템은 정수처리된 물을 수용가에게 수송 및 공급하는 기능을 가지고 있다. 최근들어, 계측능력이 향상됨에 따라 유량데이터에 의한 딥러닝기법을 적용한 누수 인지 및 탐지와 관련한 연구가 다수 수행되고 있다. 본 연구에서는 현재까지 상수도 분야에 적용되지 않은 LSTM 기반의 딥러닝 알고리즘을 활용하여 누수발생에 대한 인지 모형을 개발하였다. 가정한 데이터를 기반으로 모형에 대한 검증을 수행하였으며 2% 이상의 누수가 발생한 경우에 대하여 모두 인식이 가능한 것으로 나타났다. 향후, 제안된 모형을 토대로 유량 데이터 예측부분에 있어서 보다 정밀한 결과가 도출 될 수 있을것으로 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Water Distribution Networks, one of the social infrastructures buried underground, has the function of transporting and supplying purified water to customers. In recent years, as measurement capability is improved, a number of studies related to leak recognition and detection by applying a deep lear...

Keyword

#상수도시스템   #누수인지모형   #딥러닝  

표/그림 (14)

참고문헌 (12)

  1. Lambert, A. (2001). "What do we know about pressure-leakage relationships in distribution systems." Proceedings of International Water Association International Specialised Conference: System Approach to Leakage Control and Water Distribution Systems Management, Brno, Czech Republic. 

  2. Lambert, A., and Hirner, W. (2000). Losses from water supply systems: A standard terminology and recommended performance measures. International Water Association, UK. 

  3. Lee, C., Jun, J., Joo, J.G., and Yoo, D.G. (2018). "Uncertainty analysis for leakage of water supply networks using pressure dependent leakage analysis." Journal of Korean Society of Hazard Mitigation, Vol. 18, No. 7, pp. 129-136. 

    상세보기 crossref

  4. Melgarejo-Moreno, J., Lopez-Ortiz, M.I., and Fernandez-Aracil, P. (2019). "Water distribution management in South-East Spain: A guaranteed system in a context of scarce resources." Science of the Total Environment, Vol. 648, pp. 1384-1393. 

    상세보기 crossref

  5. Ministry of Environment (ME) (2021). Water supply statistics. 

  6. Mounce, S.R., Boxall, J.B., and Machell, J. (2010). "Development and verification of an online artificial intelligence system for detection of bursts and other abnormal flows." Journal of Water Resources Planning and Management, Vol. 136, No. 3, pp. 309-318. 

    상세보기 crossref

  7. Mounce, S.R., Day, A.J., Wood, A.S., Khan, A., Widdop, P.D., and Machell, J. (2002). "A neural network approach to burst detection." Water Science and Technology, Vol. 45, No. 4-5, pp. 237-246. 

    상세보기 crossref

  8. Mounce, S.R., Khan, A., Wood, A.S., Day, A.J., Widdop, P.D., and Machell, J. (2003). "Sensor-fusion of hydraulic data for burst detection and location in a treated water distribution system." Information Fusion, Vol. 4, No. 3, pp. 217-229. 

    상세보기 crossref

  9. Romano, M., Kapelan, Z., and Savic, D.A. (2014). "Automated detection of pipe bursts and other events in water distribution systems." Journal of Water Resources Planning and Management, ASCE, Vol. 140, No. 4, pp. 457-467. 

    상세보기 crossref

  10. Rossman, L.A. (2000). EPANET 2: Users manual, U.S. Environmental Protection Agency, Washington, D.C., U.S. 

  11. Shewhart, W.A. (1924). "Some applications of statistical methods to the analysis of physical and engineering data." Bell System Technical Journal, Vol. 3, No. 1, pp. 43-87. 

    상세보기 crossref

  12. Yoo, D.G., Choi, D.Y., and Kim, K.P. (2018). "Trend and improvement direction of data-based medium-to-large leak recognition model." Water for Future, Vol. 51, No. 11, pp. 20-33. 

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로