arXiv cs.AI· Arvin Ajoodani, Sara Nazif, Pouria Ramazi·· 2 天前AI 评分20
图神经网络实现供水管网多漏点定位，无需预设漏点数
Multiple Leak Localization in Water Distribution Networks through Graph Neural Networks
AI 导读
一项研究提出基于图神经网络的模型，可在不预设漏点数量、不穷举漏点组合的情况下定位供水管网中同时发生的多个泄漏。模型在31节点Hanoi网络和92节点NET3网络上测试，准确率分别比多层感知机、SVM、KNN和随机森林等分类器最高提升12%和20%。两个规模不同网络的稳定表现支持该方法的可扩展性。
正文 · AI 翻译
摘要：当同时发生多处泄漏时，供水管网的泄漏定位颇具挑战，在监测稀疏的情况下尤为如此。现有数据驱动方法通常假设泄漏为单一或预设数量，或需要对泄漏组合进行大量枚举。本研究提出一种图神经网络（GNN）模型，可在不预先指定泄漏数量、也不为训练穷举生成所有可能泄漏位置组合的情况下，定位数量可变的同时泄漏。该模型在两个不同规模的基准网络上进行评估，即 31 节点的 Hanoi 网络和规模更大的 92 节点 NET3 网络，评估条件包括需求变化、压力传感器覆盖稀疏、泄漏量变化以及同时泄漏数量变化。在 Hanoi 和 NET3 网络中，GNN 的准确率分别比多层感知机、支持向量机、K 近邻和随机森林分类器高出最多 12% 和 20%。两个网络上的性能表现一致，支持了所提方法的可扩展性。
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.35972 [cs.LG] |
| （或 arXiv:2610.35972v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35972 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Arvin Ajoodani [查看电子邮件]
[v1]
2026 年 10 月 26 日星期一 07:16:01 UTC（654 KB）
来源：arXiv cs.AI · arxiv.org