Zastosowanie sztucznych sieci neuronowych do oceny stanu technicznego sieci wodociągowej

Zaprezentowano metodę typowania wodociągów wymagających przeprowadzenia remontu wykorzystującą sztuczne sieci neuronowe (SSN). W badaniach zastosowano dane zawierające informacje z ostatnich 21 lat o parametrach technicznych i wskaźnikach awaryjności ponad 200 odcinków wodociągów, zarówno tych, które poddane zostały remontom w tym okresie, jak i o wodociągach nieremontowanych. Odpowiednio przygotowany zbiór danych wejściowych został wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Przedstawiono analizę działania wytrenowanej sieci neuronowej, porównując jej odpowiedzi z podjętymi w przeszłości decyzjami ekspertów o remontach wodociągów. Pomimo dobrej zgodności przewidywań SSN i opinii ekspertów, w większości przypadków stwierdzono około 15% sprzecznych decyzji. Zaproponowana metoda umożliwia stworzenie systemu eksperckiego, którego wdrożenie może poprawić wykorzystanie zasobów finansowych przedsiębiorstwa, przeznaczanych na utrzymanie niezawodnej infrastruktury wodnej.

The paper explains a method for discerning the parts of a water supply system in need of renovation, based on Artificial Neural Networks (ANNs). The study uses data, collected over the last twenty-one years, containing information on condition assessment and failure indicators concerning more than two hundred sections of both renovated and nonrenovated pipelines. During the study, an appropriately prepared data set was used for training a neural network in the form of a multilayer perceptron. Further comparison of the predictions obtained using the trained ANN with the decisions made by human experts showed satisfactory consistency; however, it should be noted that for 15% of all cases from the database discrepancies were recorded. The proposed method enables creating an expert system, which implemented by a water supply company can improve its cost management and ensure failure-free operation of its water distribution system.