Predykcja krótkoterminowa zużycia wody w budynkach wielorodzinnych z wykorzystaniem technik uczenia maszynowego
DOI:
https://doi.org/10.36119/15.2023.12.11Słowa kluczowe:
sieci wodociągowe, uczenie maszynowe, wodomierze, zużycie wodyAbstrakt
W praktyce eksploatacyjnej systemów dystrybucji wody brak jest wdrożenia zaawansowanych narzędzi przetwarzania i analizowania danych monitoringowych. Dotyczy to wielu poziomów zarządzania wodociągami, w ramach których dochodzi do rejestracji pomiarów, najczęściej tworzących nieinterpretowalne zbiory danych. Wraz z pojawieniem się możliwości rejestracji danych, które można określić mianem wysokoczęstotliwościowych, istnieje potrzeba równoległego wdrażania odpowiednich technik z zakresu data science, stanowiących podstawę mądrych czy też inteligentnych sieci wodociągowych. By spełnić założenia dotyczące implementacji inteligencji na poziomie wodomierzy, koniecznym jest umożliwienie pomiaru zużycia wody z precyzyjnym interwałem pomiarowym oraz zaawansowanej analizy danych, które skutkować powinny efektywnym wnioskowaniem i zarządzaniem systemami dystrybucji wody. W niniejszym artykule zaprezentowano wyniki zastosowania modeli uczenia maszynowego w celu predykcji krótkoterminowej zużycia wody dla budynków wielorodzinnych. Do prognozowania zużycia wody wykorzystano modele liniowe, proste modele sieci neuronowych, algorytm najbliższych sąsiadów oraz drzewa decyzyjne. W ramach przeprowadzonych badań ocenie poddano cechy wyekstrahowane z przebiegu zużycia wody wraz z kombinacjami ich zestawów podawanymi na wejściu regresora. Zweryfikowano także, jak stopień agregacji danych oraz struktura budynku wpływają na błąd prognozowania.
Pobrania
Bibliografia
E. Sarmas, E. Spiliotis, V. Marinakis, G. Tzanes, J.K. Kaldellis, H. Doukas, „ML-based energy management of water pumping systems for the application of peak shaving in small-scale islands”, Sustainable Cities and Society, 82, 2022. DOI: 10.1016/j.scs.2022.103873.
Andrić, A. Vrsalović, T. Perković, M.A. Čuvić, P. Šolić, „IoT approach towards smart water usage”, Journal of Cleaner Production, 367, 2022. DOI: 10.1016/j.jclepro.2022.133065.
T. Cichoń, J. Królikowska, „Remote Reading of Water Meters as an Element of a Smart City Concept”, Rocznik Ochrona Środowiska, 23, 2021. DOI: 10.54740/ros.2021.060.
