Identification of the Most Important Factors Driving Watermain Failure
Notice bibliographique
Résumé
As essential infrastructure, water distribution systems provide water to the vital needs of individuals, businesses, and industries. Watermain failure jeopardizes water systems' ability to deliver clean water safely. The main target of this study was to identify the most influential factors on watermain failure across Canada. Dimensionality reduction approaches were applied to watermain data from thirteen Canadian cities, Barrie, Calgary, Region of Durham, Halifax, Kitchener, Region of Markham, Region of Waterloo, Saskatoon, St. John’s, Vancouver, Victoria, Waterloo, and Winnipeg. While previous studies have focused on small datasets of a few cities at a time, the present study compares various factors in different networks with different characteristics. Multiple physical, historical, protection, operational, and environmental factors were compared. Two target attributes were defined, current rate of failure and break status. A correlation analysis was applied to each city to identify the relationships between different attributes and the targets. Four dimensionality reduction approaches were employed to evaluate the impacts of different factors on the targets and identify the most important factors The four approaches are Factor Analysis of Mixed Data (FAMD), Categorical PCA (CATPCA), Random Forest Recursive Feature Elimination (RF-RFECV), and Extreme Gradient Boosting Recursive Feature Elimination (XGBOOST-RFECV). Results indicate CATPCA is more reliable than other approaches. Furthermore, protection activities were found to be more important than physical and historical attributes in most utilities. Thus, the collection of protection data should be prioritized for utilities with higher rates of protection activities, especially if they have already collected data on fundamental physical and historical attributes. While few utilities collect data on environmental, operational, and certain physical factors such as roughness, dead-end, restrained, and pipe depth, these were also found to be important and should be further investigated. These findings create the foundation for a new data collection framework for predicting main breaks.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».