Sewer Condition Prediction and Analysis of Explanatory Factors

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

6 Sitaatiot (Scopus)
124 Lataukset (Pure)

Abstrakti

Sewer condition is commonly assessed using closed-circuit television (CCTV) inspections. In this paper, we combine inspection results, pipe attributes, network data, and data on pipe environment to predict pipe condition and to discover which factors affect it. We apply the random forest algorithm to model pipe condition and assess the variable importance using the Boruta algorithm. We analyse the impact of predictor variables on poor condition using partial dependence plots, which are a valuable technique for this purpose. The results can be used in screening pipes for future inspections and provide insight into the dynamics between predictor variables and poor condition
AlkuperäiskieliEnglanti
Artikkeli1239
Sivut1-17
Sivumäärä17
JulkaisuWATER
Vuosikerta10
Numero9
DOI - pysyväislinkit
TilaJulkaistu - 13 syyskuuta 2018
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki Sukella tutkimusaiheisiin 'Sewer Condition Prediction and Analysis of Explanatory Factors'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Siteeraa tätä