Physics-Informed Graph Neural Networks for Water Distribution Systems

要約

配水システム (WDS) は、都市開発にとって極めて重要な重要インフラの不可欠な部分です。
2050 年には世界人口の 70% が都市環境に住む可能性が高いため、WDS の効率的なシミュレーションおよび計画ツールは、国連の持続可能な開発目標 (SDG) 6「きれいな水と衛生をすべての人に」を達成する上で重要な役割を果たします。
この分野では、WDS における水力学的状態推定のための、斬新で効率的な機械学習エミュレーター、より正確には物理学に基づいた深層学習 (DL) モデルを提案します。
再帰的アプローチを使用することで、私たちのモデルは少数のグラフ畳み込みニューラル ネットワーク (GCN) 層のみを必要とし、メッセージ パッシングに基づく革新的なアルゴリズムを採用します。
従来の機械学習タスクとは異なり、モデルは水力学的原理を使用して、利用可能なグラウンド トゥルース特徴を教師なしで再構築するプロセスで 2 つの追加の水力学的状態特徴を推論します。
私たちの知る限り、これは、追加情報を利用せずに、人気のある油圧シミュレータ EPANET をエミュレートする最初の DL アプローチです。
ほとんどの DL モデルと同様、また油圧シミュレーターとは異なり、このモデルは、WDS のサイズに応じて大幅に増加することなく、エミュレーション時間が大幅に高速であることを示しています。
さらに、5 つの現実世界の WDS データセットでの実験で実証されたように、グラウンド トゥルースで高い精度を達成し、油圧シミュレーターと非常に類似した結果を実現しました。

要約(オリジナル)

Water distribution systems (WDS) are an integral part of critical infrastructure which is pivotal to urban development. As 70% of the world’s population will likely live in urban environments in 2050, efficient simulation and planning tools for WDS play a crucial role in reaching UN’s sustainable developmental goal (SDG) 6 – ‘Clean water and sanitation for all’. In this realm, we propose a novel and efficient machine learning emulator, more precisely, a physics-informed deep learning (DL) model, for hydraulic state estimation in WDS. Using a recursive approach, our model only needs a few graph convolutional neural network (GCN) layers and employs an innovative algorithm based on message passing. Unlike conventional machine learning tasks, the model uses hydraulic principles to infer two additional hydraulic state features in the process of reconstructing the available ground truth feature in an unsupervised manner. To the best of our knowledge, this is the first DL approach to emulate the popular hydraulic simulator EPANET, utilizing no additional information. Like most DL models and unlike the hydraulic simulator, our model demonstrates vastly faster emulation times that do not increase drastically with the size of the WDS. Moreover, we achieve high accuracy on the ground truth and very similar results compared to the hydraulic simulator as demonstrated through experiments on five real-world WDS datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google