配水管網における圧力推定のための機械学習モデルの適用領域の検討

カテゴリ: 部門大会

論文No: OS1-3-4

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Applicability Domain of Machine Learning Models for Pressure Estimation in Water Distribution Networks

著者名: 山原 裕之（東芝インフラシステムズ）,横山 雄（東芝インフラシステムズ）,金谷 道昭（東芝インフラシステムズ）

著者名(英語): Hiroyuki Yamahara (Toshiba Infrastructure Systems & Solutions Corporation),Suguru Yokoyama (Toshiba Infrastructure Systems & Solutions Corporation),Michiaki Kanadani (Toshiba Infrastructure Systems & Solutions Corporation)

キーワード: 機械学習|適用領域|配水管網|圧力|推定社会インフラ|Machine Learning|Applicability Domain|Water Distribution Network|Pressure|EstimationSocial Infrastructure

要約(日本語): 本論文では、社会インフラ分野において信頼性を考慮して機械学習モデルを活用するために、予め想定したモデルの性能を発揮できる入力データ領域の決定方法を検討した結果を報告する。一般的に機械学習モデルは、訓練データでカバーしていない入力値に対しては想定した性能を発揮できるか否か未知であり、誤差が想定より大きくなるリスクがある。本論文では、上水道の配水制御において、機械学習モデルで配水管網内の特定地点の圧力を推定し、推定結果を基に余剰圧力があることを運転員に提示することで、配水圧力を最適化するシステムを考える。モデルの性能を発揮できる入力データ領域を決定することで、推定時に入力データが領域外であれば、運転員は推定誤差の増大リスクを考慮して、水の安定供給を損なう配水制御を避けることができる。