利用多目标多基因遗传编程对现实世界水分配网络中的泄漏进行预测

《ACM Transactions on Evolutionary Learning and Optimization》：Leakage Prediction in Real-World Water Distribution Networks using Multi-Objective Multi-Gene Genetic Programming

该研究通过多目标多基因强类型遗传编程方法，利用供水公司常规收集的管道记录特征构建新模型，用于估算DMA区域平均漏损量。相较于传统人工特征方法，新模型不仅性能更优，所需特征数量更少且更复杂，还发现了人工未定义的新型特征。实验基于包含790个DMA的大规模数据集，通过非支配分析比较特征表现，并利用Shapley值评估特征重要性，验证了数字进化技术在现实问题中的应用价值。

　　

摘要

理解水泄漏问题是水务领域中的一个重要挑战，旨在减少水分配网络中的浪费、能源消耗和碳排放。通常情况下，泄漏量被近似为每个计量区（DMA）的夜间最小流量。然而，并非所有计量区都配备了直接监测泄漏或导致泄漏的主要动态因素的仪器。因此，本文通过利用水务公司定期收集的管道特征数据来估算泄漏量。该问题被视为一项用于多实例回归的特征构建任务，并采用多目标多基因强类型遗传编程方法来创建一组特征，这些特征随后被线性回归模型用来估算各计量区的平均泄漏量。该方法应用于一家水务公司的大型供水区域数据集（包含790个计量区），其结果与之前使用人工构建特征的研究结果进行了比较。通过对多次运行中特定特征的出现情况进行非支配性分析，并利用Shapley值来理解每个特征的影响和重要性。结果表明，使用更少且复杂度更低的特征能够获得更好的性能。此外，还发现了一些新特征，这些特征并未包含在人工构建的特征中。本文为专注于应用的文献体系做出了贡献，进一步证明了数字进化方法在解决实际问题方面的有效性和创造性。