På globalt plan er der anslået et årligt vandspild på 126 milliarder kubikmeter vand i vandforsyningen, som fører til direkte omkostninger på 261 milliarder DKK. Virksomheden Sense Analytics har udviklet en webbaseret platform med en underliggende machine learning-algoritme. Algoritmen er trænet på et stort antal data til at genkende, hvordan en lækage manifesterer sig i den underliggende datastruktur. På baggrund af dette kan størrelsen af vandspildet estimeres. I MUDP-projektet indgår tre delprojekter, henholdsvis integreringen af trykdata, udvikling af algoritmen til at være uafhængig af viden om vandspild på sektionsniveau og inklusion af viden om rørtype, jordtype og frekvens af lækager.
Machinelearning til reduktion af vandspild
På globalt plan er der anslået et årligt vandspild på 126 milliarder kubikmeter vand i vandforsyningen, som fører til direkte omkostninger på 261 milliarder DKK. Virksomheden Sense Analytics har udviklet en webbaseret platform med en underliggende machine learning-algoritme. Algoritmen er trænet på et stort antal data til at genkende, hvordan en lækage manifesterer sig i den underliggende datastruktur. På baggrund af dette kan størrelsen af vandspildet estimeres. I MUDP-projektet indgår tre delprojekter, henholdsvis integreringen af trykdata, udvikling af algoritmen til at være uafhængig af viden om vandspild på sektionsniveau og inklusion af viden om rørtype, jordtype og frekvens af lækager.