| 研究課題/領域番号 |
23H01652
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 千葉大学 |
|---|
研究代表者 |
丸山 喜久 千葉大学, 大学院工学研究院, 教授 (70397024)
|
|---|
| 研究分担者 |
劉 ウェン 千葉大学, 大学院工学研究院, 准教授 (60733128)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2027-03-31
|
| キーワード | 漏水検知 / 機械学習 / 干渉SAR時系列解析 / スマートメータ / 管網解析 |
|---|
| 研究実績の概要 |
本研究は，水道管路網全域に適用可能な早期漏水検知手法を開発することを目的としている．具体的には，スマートメータによる管網端部での水圧のモニタリングによって，水道管路の漏水の早期検知を実現させる．このために，(1)既往の漏水に関する素因・誘因の分析，(2)管網解析と機械学習による漏水箇所の予測，(3)実際の漏水データを用いた漏水検知手法の検証，の3項目に関して研究を進める．
今年度は，現在普及が進んでいるスマートメータを活用した水道管路のモニタリングを想定し，管網端部の水圧情報を使用した漏水位置予測に関する検討を行った．配水網内の1箇所で漏水が発生した場合を想定した管網解析を行い，管網端部での水圧変化を計算した．0.01m3/h～10m3/hの漏水が1箇所発生した場合を想定したシミュレーションを10000シナリオ実行し，機械学習の学習データ，テストデータに用いた．管網解析で得られた結果に基づき機械学習を行い，漏水位置を予測する漏水予測モデルを構築した．3種類の機械学習手法を用い，精度を比較した．漏水点をランダムに設定した場合，漏水点を管種ごとの漏水率に応じて設定した場合のいずれにおいても，機械学習手法にLightGBMを用いたモデルが最も精度が良いものとなった．
地盤変動により管路にひずみが生じることで，漏水が発生するという現象に着目し，広範囲の地盤変動を長期的に観測できる干渉SAR手法を用いて千葉県内の地盤変動を評価した．水準測量データと比較した結果，干渉SARは誤差10 mm程度で地盤変動をとらえることができていた．千葉県内の漏水データを用いて，漏水箇所付近の地盤変動量と漏水の発生状況の関係を考察した．地盤変動が目立った八街市では，地盤沈下が顕著な地域に漏水箇所が集中していたため，地盤沈下が漏水に影響を与えているものと考えられる．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
スマートメータの利用を想定した漏水検知シミュレーションに関しては，その成果の一部を査読論文として取りまとめることができたため．
|
| 今後の研究の推進方策 |
当初は，千葉県内の漏水データを対象として研究を進める予定であったが，2023年度に新潟市の漏水データを入手することができた．そのため，両地域を対象として研究を進めることによって，モデルの適用性の検討がより一層進むものと期待している．
|
