Abstract: Y. W. Nam, Y. Arai, T. Kunizane, A. Koizumi (2021)

The main purpose of this study was to investigate whether machine learning can be used to detect leak sounds in the field. A method for detecting water leaks was developed using a convolutional neural network (CNN), after taking recurrence plots (RPs) and visualising the time series as input data. In collaboration with a pipeline restoration company, 20 acoustic datasets of leak sounds were recorded by sensors at 10 leak sites. The detection ability of the constructed CNN model was tested using the hold-out method for the 20 cases: 19 showed more than 70% accuracy, of which 15 showed more than 80%.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Water leak detection based on convolutional neural network (CNN) using actual leak sounds and the hold-out method