Unsupervised Anomaly Detection in Water System Networks using Recurrent Neural Networks EVALUATED

Detalhes: Água é um recurso indispensável para a sociedade. Uma tarefa essencial associada com a gestão adequada de um sistema de distribuição de água é a detecção de anomalias de forma a apoiar a tomada de decisões e fazer planos de contigência. Anomalias interessantes podem ser fugas, consumos incomuns ou ilegais. A detecção e localização de fugas é um problema complexo devido à falta de informação sobre o sistema de água, e uma fuga pode não ser facilmente detectada pelos sensores ou confundida com outro tipo de evento. A methodologia proposta detecta anomalias em sistema de distribuição de água, com foco em fugas, através de arquitecturas deep learning, em particular em arquitecturas encoder-decoder baseadas em LSTM como por exemplo LSTM autoencoder, CNN-LSTM, CNN-BiLSTM, e SCB-LSTM. As previsões são ajustadas usando um modelo de correcção de temperatura. O sistema de distribuição estudado localiza-se na Quinta do Lago, Portugal, Algarve. A Infraquinta é uma entidade privada que faz a gestão destas infrasestruturas. A análise de dados simulados e resultados experimentais em dados reais mostram a dificuldade da tarefa de detecção de anomalias não supervisionada em sistemas de distribuição de água. Este estudo também destaca que a metodologia proposta, embora produza alguns resultados de interesse, precisa ser complementada com princípios adicionais para o fim pretendido. Finalmente, este estudo também permitiu identificar diferenças significativas entre arquiteturas recorrentes.

Discussão: novembro 20, 2020, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Ana Margarida Pataca da Costa (ist424729)

ORIENTADOR

Rui Miguel Carrasqueiro Henriques

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado