SMART detection and real-time learning in water distribution

Informatie in de vorm van sensor-data is alom vertegenwoordingd. Vaak gaat het om monitoring van parameters zoals waterstroming, waterdruk en op enkele locaties in een leidingnetwerk. Behalve actueel inzicht te geven, is het ook mogelijk om data uit het verleden, of van andere sensoren mee te nemen, of om andere informatie, bijvoorbeeld geografische informatie, of meteorologische informatie te gebruiken in een groter model, dat het mogelijk maakt om voorspellingen te doen.

Het doel van het onderzoek is om  de quantitatieve en qualitatieve kennis van het waterdistributienet te vergroten door data verwerking toe te passen, met het doel meer informatie te krijgen over operationele situaties die onderhoud vragen, detectie van abnormaliteiten en optimaliseren van de keuze van oplossingen.

Technologie

Dataverwerking op sensordata uit een leidingnet wordt nog niet intensief toegepast, maar door gebruik te maken van geavanceerde dataverwerkings-technologieen kan deze data veel meer nuttige informatie leveren dan tot nu toe, tezamen met voorspellingen voor de toekomst.
Uitdaging (wat gaan we concreet doen?): in dit project worden geavanceerde data-processing technieken toegepast om inzicht in de staat van (een deel van) het leidingnet te krijgen. Er wordt gebruik gemaakt van aanwezige kennis van het netwerk, er moet onderzoek gedaan worden naar toepassing van geavanceerre data-processing technieken, zoals machine learning, eventclassificatie en data-correlatie op de beschikbare data.

Oplossing

In dit onderzoek worden algortihmen  ontwikkeld en gebruikt, en kennis wordt verkregen over hoe die methoden optimaal gebruikt kunnen worden tezamen met de beschikbare kennis van het netwerk. Gereedschapskist met oplossignsstragtegieeen om van big data bruikbare informatie te maken. De bedoeling is de kennis bechikbaar te maken voor integratie in software, om zo optimaal informatie over de stand van het leidingnetwerk te kunnen geven.