Comparative Review of Water Main Failure Prediction Models: Physical and Data-Driven Approaches
Notice bibliographique
Résumé
Predicting water main failures is a critical challenge for managing aging water infrastructure worldwide. A failure is herein understood as any type of break, such as circumferential or longitudinal cracks or holes, recorded in the utilities’ historical break records. Water pipe break prediction models, whether categorized as physical or data-driven are essential tools in the strategic planning of rehabilitation efforts. While physical models simulate real-world conditions such as soil and traffic loads and material degradation, data-driven models utilize various factors, and historical failure records to predict future water main failures by identifying patterns and correlations within the data. Recent review studies on water pipe failure prediction have predominantly concentrated on data-driven models, with limited emphasis on physical models, particularly despite significant advancements in the past decade. Moreover, a comprehensive comparative analysis between physical and data-driven approaches, including the factors they incorporate, remains unexplored. This study aims to provide a comprehensive overview of the progression of physical models for predicting water main breaks, compare them with data-driven approaches, and identify opportunities for enhancing data-driven models by integrating insights from this comparison. This paper highlights the need to bridge the existing gaps by incorporating new variables into the data-driven models such as detailed soil and pipe material properties, climate-related variables, water quality parameters, and transient/surge pressures, and detailed consideration of load effects into predictive models. By identifying new variables to be incorporated in data-driven models this study finds opportunities to improve the accuracy of failure prediction models and support and support more effective water infrastructure management and decision-making.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».