[논문]관망자료를 이용한 인공지능 기반의 누수 예측

이호현; 홍성택

doi:10.6109/jkiice.2022.26.7.963

관망자료를 이용한 인공지능 기반의 누수 예측
Artificial Intelligence-based Leak Prediction using Pipeline Data 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.26 no.7, 2022년, pp.963 - 971

이호현 (K-water Research Institute, K-water) , 홍성택 (K-water Research Institute, K-water)

초록
AI-Helper

상수도 관망은 국가 수도 시설의 주요한 구성 요소이지만 대부분이 지중에 매립되어 있어 배관의 노후화 정도 및 누수를 파악하기 어려우므로 유지관리 하기가 매우 어렵다. 본 연구에서는 관망에 설치된 다양한 센서 조합을 가정하여, 데이터 조합에 따른 관로 누수 판별 가능성을 검토하기 위하여 선형회귀분석, 뉴로퍼지 등의 인공지능 알고리즘을 통한 유량과 압력 예측을 실시하여 최적 알고리즘을 도출하였다. 공급압력 예측을 통한 누수판별의 경우 뉴로퍼지 알고리즘이 선형회귀분석에 비하여 우수하였다. 누수유량 예측에서는 뉴로퍼지를 이용한 유량예측이 우선 고려되어야 한다. 다만, 유량을 모사하기 힘든 경우에는 선형 알고리즘을 이용한 공급압력 예측이 이루어져야 할 것으로 사료 된다.

Abstract ▼ AI-Helper

Water pipeline network in local and metropolitan area is buried underground, by which it is hard to know the degree of pipe aging and leakage. In this study, assuming various sensor combinations installed in the water pipeline network, the optimal algorithm was derived by predicting the water flow rate and pressure through artificial intelligence algorithms such as linear regression and neuro fuzzy analysis to examine the possibility of detecting pipe leakage according to the data combination. In the case of leakage detection through water supply pressure prediction, Neuro fuzzy algorithm was superior to linear regression analysis. In case of leakage detection through water supply flow prediction, flow rate prediction using neuro fuzzy algorithm should be considered first. If flow meter for prediction don't exists, linear regression algorithm should be considered instead for pressure estimation.

주제어

표/그림 (22)

그림 Fig. 1 Data mining process
표 Table. 1 Current status of water supply and water flow rate and leakage rate by year
그림 Fig. 2 Structure of ANFIS
그림 Fig. 3 Fuzzy clustering based fuzzy rule creation
그림 Fig. 4 Test water distribution network
표 Table. 2 Training and test data set
표 Table. 3 Flow estimation by sensor type and algorithm
그림 Fig. 5 Flow estimation by algorithm based on flow sensor
그림 Fig. 6 Flow estimation by algorithm based on pressure sensor
그림 Fig. 7 Flow estimation by algorithm based on mixed sensor
표 Table. 4 Pressure estimation by sensor type and algorithm
그림 Fig. 8 Pressure estimation by algorithm based on flow sensor
그림 Fig. 9 Pressure estimation by algorithm based on pressure sensor
그림 Fig. 10 Pressure estimation by algorithm based on mixed sensor
표 Table. 5 Leakage test by sensor type and algorithm(flow)
그림 Fig. 11 Leakage test by algorithm based on flow sensor(flow)
그림 Fig. 12 Leakage test by algorithm based on pressure sensor(flow)
그림 Fig. 13 Leakage test by algorithm based on mixed sensor(flow)
표 Table. 6 Leakage test by sensor type and algorithm (pressure)
그림 Fig. 14 Leakage test by algorithm based on flow sensor (pressure)
그림 Fig. 15 Leakage test by algorithm based on pressure sensor(pressure)
그림 Fig. 16 Leakage test by algorithm based on mixed sensor (pressure)

참고문헌 (13)

D. H. Nam, D. H. Kim, H. I. Lim, S. M. Jin, K. H. Gi, and K. I. Nho, Understanding Flow Management, 1th ed. Daejeon, Korea, Kwater, 2016.
J. Y. Gu, "Leakage prevention and reduction technology in water supply network," Magazine of Korea Water Resources Association, vol. 41, no. 6, pp. 10-17, 2008.
Ministry of Environment, "Summary," in 2019 Statistics of Waterworks, 1th ed. Sejong, Korea, ch. 1, pp. 21, 2020.
C. W. Lee and D. G. Yoo, "Development of leakage detection model in water distribution networks applying LSTM-based deep learning algorithm," Journal of Korea Water Resources Association, vol. 54, no. 8, pp. 599-606, Aug. 2021.
I. Lucin, B. Lucin, Z. Carija, and A. Sikirica, "Data-Driven Leak Localization in Urban Water Distribution Networks Using Big Data for Random Forest Classifier," Mathematics, vol. 9, no. 6, p. 672, Mar. 2021.

상세보기
D. A. Freedman, Statistical Models: Theory and Practice, Cambridge University Press, New York: NY, USA, pp. 26, 2009.
J. -S. R. Jang, "ANFIS: Adaptiv-Network-Based Fuzzy Inference System," IEEE Transactions on System, Man and Cybernetic, vol. 23, no. 3, pp. 665-685. May-Jun. 1993.
W. Sun, S. Shao, and R. Yan, "Induction Motor Fault Diagnosis Based on Deep Neural Network of Sparse Auto-encoder," Journal of Mechanical Engineering, vol. 52, no. 9, pp. 65-71, May. 2016.
R. Liu, G. Meng, B. Yang, C. Sun, and X. Chen, "Dislocated Time Series Convolutional Neural Architecture: An Intelligent Fault Diagnosis Approach for Electric Machine," IEEE Transactions on Industrial Informatics, vol. 13, no. 3, pp. 1310-1320, Jun. 2017.

상세보기
O. Janssens, V. Slavkovikj, B. Vervisch, K. Stockman, M. Loccufier, S. Verstockt, R. V. Walle, and S. V. Hoecke, "Convolutional Neural Network Based Fault Detection for Rotating Machinery," Journal of Sound and Vibration, vol. 377, pp. 331-345, Sep. 2016.

상세보기
Y. J. Heo, H. H. Lee, and S. T. Hong, "Calibration System and Data Analysis for improving the Reliability of Pressure Sensor," in Proceeding of Symposium of the Korean Institute of communications and Information Sciences, Jeju, Korea, pp. 806-807, 2017.
K. M. Choi, H. H. Lee, G. W. Shin, and S. T. Hong, "Analysis of Elastic Wave Based Leakage Detection Technology Using Accel," Journal of the Korea Institute of Information and Communication Engineering, vol. 24, no. 9, pp. 1121-1130, Sep. 2020.
H. H. Lee and S. T. Hong, "Data-based Analysis for Pressure Gauge Optimal Positioning in Water Supply Pipeline," Journal of the Korea Institute of Information and Communication Engineering, vol. 25, no. 6, pp. 834-840, Jun. 2021.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증