Ang Paggamit ng mga Anatomy ng Big Data Upang Hulaan at Makontrol ang mga Kabiguan ng Sistema ng Pag - aalis ng Pag - asa

Introduksiyon: Ang Lumalaking Imperative Para sa Mas Matalinong Pagpigil sa Pag - ihi

Ang mga sistema ng paagusan ng tubig sa mga lungsod ay ang tahimik na pundasyon ng mga modernong lungsod, na nag-aatas ng mga stormwater malayo sa mga kalye, tahanan, at kritikal na imprastraktura. Habang ang pagbabago ng klima ay nagreresulta sa mga pangyayaring pag-ulan at pagdami ng populasyon ng lungsod, ang mga tumatandang network na ito ay humaharap sa walang katulad na stress.Ang mga kaganapang pang-impormasyon sa Estados Unidos lamang ay nagdudulot ng pinsala sa mga tao ng bilyon-bilyong mga dolyar taun-taon, na ang pag-iral ng mga malaking datos na nagdudulot ng pagbabago sa mga presyutrcan bago pa man ang mga panganib sa pampublikong kalusugan.Ang mga prosesong repraksiyon ay ang mga ito ay ang mga processed upang ma-ed upang ma-ed na pag-edible ang mga entrance at ang mga entrentrentrentrentrcleclecleclecleclecleclecleclecleassis sa mga ential na mga ential na mga ential reential reptions.

Ang Papel ng Malaking Data sa Pag - aalis ng Pag - ihi

Ang malalaking data analytics sa de - motor na pangangasiwa ay hindi lamang basta sumusubaybay sa mga sistema ng sistema ng panunaw kundi nakadaragdag pa sa napakaraming impormasyon, mga hterogeneous dataset mula sa mga sensor, serbisyo sa lagay ng panahon, mga sistema ng impormasyon sa heograpiya (GIS), at rekord ng kasaysayan upang matuklasan ang mga disenyong hindi nakikita ng mata lamang.

Mga Pinagmumulan at Koleksiyon ng mga Data

Ang modernong mga sistema ng paagusan ay higit at higit na ginagamit sa Internet of This (IoT) na mga aparato. Kabilang sa mga pangunahing pinagkukunan ng impormasyon ang:

• In-pipe sensors na sumusukat sa bilis ng daloy ng tubig, antas ng tubig, presyon, at turbidaty, na kadalasang nakalagay sa mga kritikal na junction o alam na mga lugar ng kaguluhan.
• Ang mga rage ng Rain at weather radar[ ay nagbibigay ng high-resolusyon presipitasyon data, kapwa makasaysayan at real-time, na mahalaga para sa pag-unawa ng mga pangyayaring bagyo.
• Sistemang pampolitika ng Spervisory Control and Data Acquisition (SCADA)[ Pagbihag ng katayuang pump, mga posisyong balbula, at antas ng tangke ng imbakan sa ibayo ng network.
• Ang mga logo ng Historikal na pagmamanupaktura na naglalaman ng mga rekord ng mga nakaraang barangay, pagbagsak, pagkukumpuni, at CCTV na pang-suri ng paa.
• Mga patong tulad ng materyales sa tubo, edad, diyametro, dalisdis, uri ng lupa, at lupa ang gumagamit ng mga katangian.
• Ang Social media at mamamayan ay nag-uulat ng (hal., 311 tawag, bahagdan na ulat) na nagbibigay ng lokalisado, ground-frual data na maaaring madagdagan ang mga obserbasyon ng sensor.

Ang pagtitipon ng datos na ito sa lawak ay nangangailangan ng matatag na imprastrakturang telemetry, kadalasang gumagamit ng cellular, LoRaWAN, o mesh networks.Ang isang tipikal na mid-sized na lungsod ay maaaring lumikha ng milyun-milyong mga pagbasa bawat araw, nangangailangan ng ulap-based o gilid-kompyuter na mga platapormang imbakan at pagpoproseso.

Mga Pamamaraan ng Hulang Anatiko

Minsang ang impormasyon ay naibukod, ang ilang mapanuring pamamaraan ay ginagamit upang hulaan ang mga kabiguan:

• Machine Learning Models:[ Ang mga Algorithm gaya ng mga random na kagubatan, snefating reficing (XGBoost), at mahabang short-term memory (LSTM) neural network ay sinasanay sa mga historical failure data na sinamahan ng mga sensor at weather input. Halimbawa, Ang pag-aaral ng mga temporaryong datos ay inilalathala sa Water (MDPI)[T:3] Ang mga modelong LSTM ay ginagamit upang hulaan ang mga spitftud na epistudtudwal na spunction% sa pamamagitan ng mga splitent.
• Ang estaylistikal na analogy Diagnostibo: Ang mga paraan ng control chart (e.g., CUSUM, Shewhart) at gumagalaw na mga estadistikang pang-window ay nagpapakilala ng mga biglaang paglihis sa daloy o presyon na nauuna sa isang pagguho.Ito ay mga randomang magaan at maaaring tumakbo sa tunay na oras sa mga aparatong gilid.
• [Hydraulic Simodels: EPA SWM (Storm Water Management Model) at mga kasangkapang pangkomersiyal tulad ng Infoworks ICM ay kasama sa pagkatuto ng makina na hulaan ang pag-aasal ng sistema sa ilalim ng iba't ibang senaryo ng bagyo. ⁇ Digal winnitations pinagsama ang real-time sensor data sa mga reflusion engine upang suriin ang epekto ng potensiyal na kabiguan nang hindi nasisira ang mga operasyon ng live.
• [[Ensemble Approaches: Maraming mga utilidad ang nagtutugma ng maramihang mga pamamaraan naibubunsod ang phyificure upang lumikha ng sintetikong mga senaryo ng pagkabigo at pagkatuto ng makina na kilalanin ang kanilang mga lagda sa tunay na data ⁇ achieving mas mataas na pag-aalala kaysa sa anumang isang paraan.

Ang mga pamamaraang ito ay nagpapangyari sa mga awtoridad na lumipat mula sa ⁇ fix sa bigong ⁇ patungo sa ⁇ predict at maiwasan, ang ⁇ ay binabawasan ang mga parol ng emergency truck at ang mitibasyon ay nagreresulta sa mga panganib ng pagbaha.

Mga Pakinabang ng Paggamit ng Malalaking Data Anatomy

Ang paglalagay ng malalaking impormasyong anatomiko ay naghahatid ng di - mabilang na mga pagsulong sa mga sukat ng kaligtasan sa buong operasyon, pananalapi, at publiko.

Maagang Pag - unawa sa mga Isyu

Sa pagsusuri ng mga padron sa daloy at presyon, maaaring makita ng mga algorithm ang mga barangay na nabubuo mula sa grasa, mga basura, o root institusyon linggo bago ang isang tubo pabalik. halimbawa, ang lungsod ng South Bend, Indiana, ay naglagay ng mga smart drew sensors na may kasamang pagkatutong bawasan ang pinagsamang imburnal ay umaapaw (CSOs) ng 50% sa unang taon ng operasyon.Ang sistema ay nagresulta ng mga daloy na dry-weather na nagpapakita ng influsion at inflow (I/I), na nagbibigay ng reterrective revenciation.

Halaga ng Pagtitipid

Ang prediksyon na retensiyon ay lubhang nakapagpapababa ng halaga ng buhay. Ang mga emergency repair ay maaaring magkahalaga ng 3–5 beses na higit kaysa sa mga nakatakdang kapalit. Ang isang ulat ng Water Research Foundation ay natuklasan na ang mga utilidad na gumagamit ng mga deflamity na nabawasang analytics taunang operasyon at pagpapanatili ng gastos ng 20–30%. Sa United Kingdom, ang Thames Water ay nagpatupad ng isang prepektibong programang analitiko na umiiwas sa £10 milyon sa mga gastos sa emergency na pagkukumpuni sa mahigit dalawang taon sa pamamagitan ng pag-impluwnitasyon ng mga tubong mataas na mga bahagi.

Mas Ligtas at Nabawasan ang mga Panganib ng Baha

Ang pagbaha ay hindi lamang nakagugulo kundi mapanganib, na nagiging sanhi ng pagkalunod, biglang paglitaw ng sakit na nakukuha sa tubig, at pagkasira ng istraktura. Ang mga sistemang maagang pagbababala ay nagpapahintulot ng napapanahong paglalagay ng mga harang, bomba, o kahit na pansamantalang pagsasara ng mga kalye.Ang Lungsod ng Copenhagen ay gumagamit ng real-time na mga pag-uulat ng ulan at mga modelong haydrograpiko upang pababain ang mga antas ng tubig sa mga revenue basin, pagbabawas ng bail na pagbaha ng 40% sa silong sa panahon ng labis na bagyo.

Pinalitang Pasiya-Paggawa at Kapital na Pagpaplano

Ang mga kabatirang Data-driving ay tumutulong sa mga unity predity na unahin ang mga pamumuhunang kapital. Sa halip na umasa sa panahon ng tubo lamang (na isang hindi tumpak na tagapaghula ng kalagayan), ang mga iskor ng panganib batay sa impormasyong pandama, mga kabiguang pangkasaysayan, at mga salik na pangkapaligiran ay tumuturo sa mga utilidad na pinakamalamang na mabigo. Ang pamamaraang ito, na kadalasang tinatawag na ⁇ risk-based asset management, ang paggamit ng US EXPO sa pamamagitan ng Capility, Management, Operation, at ⁇ (CMM[T][T][T.

Mga Hamon at mga Tagubilin sa Hinaharap

Sa kabila ng pangako nito, ang pagsasama ng malalaking impormasyong analytics sa de - motor na pangangasiwa ay may mga hadlang.

Katangian at Pagkabigo ng Data

Ang Sensor drift, communication dropouts, at pabagu-bago data formats ay salot sa maraming mga pagpapatupad. Clean, na pinangalanang historical failation data ay madalas na bihirang-dalang-dalang mga utilidad na mga rekord ng nakaraang mga pangyayari. ang mahinang kalidad ng datos ay humahantong sa mga mahinang modelo, isang penomeno na kilala bilang ⁇ garbage in, basura out. ⁇ 1 ⁇ 1 ⁇ 06 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0.5 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 0 ⁇ 06 ⁇ 06 ⁇ 06 ⁇ 06 ⁇ 06 ⁇ 06 ⁇ 06 ⁇ 06, WaterMLEN 520 ⁇ EN 520 ⁇ E / 2011; sa New 2003; WaterMMMMMMMMGLEN 520; at mga rutina ng mga rutina ng datos sa Ingles.

Mga Halaga ng Pag - aayos at Pag - iingat ng Cyber

Ang pag-alis ng mga sensor ng IoT sa isang malaking network ay nangangailangan ng kapital na puhunan. Ang isang metro ng daloy ay maaaring magkahalaga ng $5,000–$15,000 na na-install, at maaaring kailanganin ng libo-libo. Karagdagan pa, ang pagkonekta ng mga asset sa internet ay nagpapakilala ng cybersecurity custom. Ang isang masamang aktor ay maaaring mag-manipula ng mga impormasyong sensor o kahit remote control pumps, na nagdudulot ng sinasadyang pagbaha. Robust encryption, network segmentation, at securenight firmwareacedware updates ay hindi maaaring magamit.

Ang Kakayahang Magtrabaho ay Nag - aalis ng Gap

Ang mga tradisyunal na water commitment staff ay kadalasang mga inhinyerong sibil o operator na may limitadong pagsasanay sa agham ng datos. Sa kabaligtaran, ang mga siyentipiko ng datos ay maaaring kulang ng kaalamang domain tungkol sa hydrology at mga straffidy haidics. Cross-training programs at pakikipagsosyo sa akademikong mga institusyon (e.g., Ang IWAifiants Big Data for Water Utilities na gumagawa ng grupong) ay tumutulong sa pag-apekto ng tulay na ito, ngunit ang pag-ampon ay nananatiling mabagal.

Mga Tagubilin sa Hinaharap

Ang susunod na daluyong ng pagbabago ay makakakita:

• Edge computing na nagpoproseso ng mga impormasyong sensor sa lugar na iyon upang mabawasan ang mga gastos sa latency at bandwidth, na nakapagdurulot ng real-time na mga babala kahit sa mga liblib na lugar.
• AI-Wellown real-time control[ kung saan ang mga automated gateway at pumps ay nag-aangkop batay sa mga premisective models, habang piloto sa ⁇ smart ⁇ int ⁇ in projects sa Milwaukee at Atlanta.
• [Digital winks na patuloy na nagreresulta sa pamamagitan ng mga live data, na nagpapahintulot sa mga operator na gayahin ang ⁇ f ⁇ kung ang mga senaryong pang-igiit sa pamamagitan ng paggamit ng paggamit ng paggamit ng ⁇ tulad ng isang 100-year na bagyo o isang tubong pagguhong ⁇ and ⁇ and ⁇ anize ang mga planong pagtugon.
• Federated learning upang sanayin ang mga modelo sa ibayo ng maraming mga ulyadong hindi nagsasalo ng mga sensitibong datos, na bumibilis ang model eksaktung-tumpak habang iniingatan ang pribadong buhay.

Habang ang teknolohiya ay lumalaki at bumababa ang halaga, ang malalaking data analytics ay magiging pamantayang gawain sa halip na eksperimental.Ang mga maagang tumatanggap nito ay umaani na ng kaligtasan at pinansiyal na mga gantimpala, at ang panggigipit na gawing moderno ay darami lamang habang ang mga panganib sa klima ay tumitindi.

Pagsasaayos

Ang mga sistema ng paagusan ng tubig sa mga lungsod ay lubhang kritikal upang pangasiwaan ang mga reactitively. Ang mga malalaking datos na analytics ay nagbibigay ng malinaw na landas upang mahulaan at maiwasan ang mga kabiguan, pagbabawas ng mga baha, pagtitipid ng salapi, at pangangalaga sa mga komunidad. mula sa IoT sensor at pagkatuto ng makina ay nag-aaral ng mga modelo sa digital na kambal at panganib-based asset management, ang mga kasangkapan ay makukuha ngayon. Ang mga ekwasyon na na na namumuhunan sa imprastraktura ng data, pagtatayo ng cross-functional teams, at pagyakap sa mga pamamaraang pang-ekonomiks ay mas magagamit natin upang mas mahusay na apor na elekweektibo sa elekwedisyunal na elekwedibidasyon at elemental na elemental na elementasyon.