이 논문은 물 배급 시스템(WDS)의 수력 상태 추정을 위한 새로운 기계 학습 모델을 제안한다. 기존의 수력 시뮬레이터인 EPANET은 계산 시간이 오래 걸리고 WDS 구성의 변화에 따라 전체 시뮬레이션을 다시 수행해야 한다는 단점이 있다.
제안된 모델은 그래프 합성곱 신경망(GCN)과 물리 기반 알고리즘을 결합한 것으로, EPANET을 모방할 수 있다. GCN 모델은 WDS의 그래프 구조를 활용하여 수요와 초기 유량을 기반으로 유량을 추정한다. 물리 기반 알고리즘은 이 추정 유량을 이용하여 수두와 유량을 계산한다.
이 모델은 물리 법칙을 활용하여 라벨이 없는 상태에서 두 개의 추가 수력 상태 특징을 추론할 수 있다. 또한 EPANET에 비해 훨씬 빠른 추론 속도를 보이며, 다양한 실제 WDS 데이터셋에서 높은 정확도를 달성한다.
To Another Language
from source content
arxiv.org
Głębsze pytania