Drzewa regresyjne jako narzędzie do prognozowania wskaźnika intensywności uszkodzeń

• Autorzy: Kutyłowska M.

Identyfikatory

DOI

10.2429/proc.2017.11(2)060

Warianty tytułu

EN

Regression trees as a tool for forecasting of failure rate

• Konferencja: ECOpole’17 Conference (4-7.10.2017 ; Polanica Zdrój, Poland)
• Języki publikacji: PL

Abstrakty

PL

Przedstawiono możliwość zastosowania drzew regresyjnych (RT) do przewidywania wskaźnika intensywności uszkodzeń przewodów wodociągowych. Analiza wykorzystująca algorytm budowy drzew polega na znalezieniu zbioru logicznych warunków podziału oraz znalezieniu relacji pomiędzy predyktorami (zmiennymi niezależnymi) a zmienną zależną, co w konsekwencji prowadzi do uzyskania wyników prognozowania. Przewidywanie wskaźnika awaryjności przewodów rozdzielczych i przyłączy przeprowadzono na podstawie danych eksploatacyjnych z lat 2008-2014 dla jednej wybranej strefy zasilania w wodę średniej wielkości polskiego miasta. Zmiennymi niezależnymi były: długość danego typu przewodów oraz liczba uszkodzeń zaobserwowanych w danym roku na rurociągach rozdzielczych i przyłączach. Stworzono oddzielne modele drzew regresyjnych do modelowania awaryjności przewodów rozdzielczych i przyłączy. Obliczenia przeprowadzono w programie Statistica 13.1. Modele RT zarówno dla przyłączy, jak i przewodów rozdzielczych posiadały jeden węzeł dzielony i dwa końcowe. Wartość tzw. resubstytucji kosztów wynosiła 0,0056 i 0,00073 odpowiednio w modelu opisującym przyłącza i przewody rozdzielcze. Wyniki analiz i przewidywania pokazują, że drzewa regresyjne są dobrym narzędziem do przewidywania wskaźnika awaryjności przewodów wodociągowych, nawet stosując tak podstawowe predyktory, jak długość i liczba uszkodzeń.

EN

This paper presents the possibility of applying regression trees (RT) to predict the failure rate of water pipes. An analysis using a tree building algorithm consists in finding a set of logical division conditions, and relations between the predictors (independent variables) and the dependent variable, which leads to prediction results. The failure rate of distribution pipes and house connections was predicted on the basis of operational data for the years 2008-2014 in one selected zone in medium sized Polish city. Independent variables were such parameters as length of conduits and number of damages registered in each year at distribution pipes and house connections. Models for failure rate forecasting of distribution pipes and house connections were created separately. The calculations were carried out using the Statistica 13.1 software. RT models for house connections and distribution pipes have one divided node and two end nodes. The value of resubstitution cost amounted to 0.0056 and 0.00073 for models describing house connections and distribution pipes, respectively. The results of analysis and forecasting investigations show that regression trees are relatively good tool for failure rate prediction, using even such basic predictors as length and number of damages.

Słowa kluczowe

PL

metody regresyjne; przewody wodociągowe; prognozowanie; intensywność uszkodzeń

EN

regression methods; water pipes; prediction; failure intensity

• Wydawca: Towarzystwo Chemii i Inżynierii Ekologicznej
• Czasopismo: Proceedings of ECOpole
• Rocznik: 2017
• Tom: Vol. 11, No. 2
• Strony: 533--540
• Opis fizyczny: Bibliogr. 14 poz., rys., wykr., tab.

Twórcy

autor

Kutyłowska M.

• Wydział Inżynierii Środowiska, Politechnika Wrocławska, ul. Wybrzeże S. Wyspiańskiego 27, 50-370 Wrocław, tel. [phone]

Bibliografia

• [1] Musz A, Kowalska B. Ecol. Chem. Eng S. 2015;22(2):219-229. DOI: 10.1515/eces-2015-0012.
• [2] Pietrucha-Urbanik K, Studziński A. Ecol Chem Eng A. 2016;23(3):299-311. DOI: 10.2428/ecea.2016.23(3)25.
• [3] Meniconi S, Brunone B, Ferrante M, Capponi C, Carrettini CA, Chiesa C, et al. J. Hydroinform. 2015;17(3):377-389. DOI: 10.2166/hydro.2014.038.
• [4] Mounce SR, Boxall JB, Machell J. J Water Res. Pl-ASCE 2010;136(3):309-318. DOI: 10.1061/(ASCE)WR.1943-5452.0000030#sthash.Mt3pYumS.dpuf.
• [5] Kamiński K, Kamiński W, Mizerski T. Proc ECOpole. 2016;10(2):661-666. DOI: 0.2429/proc.2016.10(1)072.
• [6] Kowalski D, Miszta-Kruk K. Eng Failure Analysis. 2013;35:736-742. DOI: 10.1016/j.engfailanal.2013.07.017.
• [7] Kwietniewski M, Rak J. Niezawodność infrastruktury wodociągowej i kanalizacyjnej w Polsce [Reliability of water supply and wastewater disposal infrastructure in Poland]. Warszawa: Komitet Inżynierii Lądowej i Wodnej PAN; 2010.
• [8] Tchórzewska-Cieślak B. Environ Prot Eng. 2009;35(2):29-35. http://epe.pwr.wroc.pl/2009/Tchorzewska_2-2009.pdf.
• [9] Musz-Pomorska A, Iwanek M, Parafian K, Wójcik K. E3S Web of Conferences 17, 00062 (2017). DOI: 10.1051/e3sconf/20171700062.
• [10] Iwanek M, Suchorab P, Karpińska-Kiełbasa M. Periodica Polytechnica Civ Eng. Online first. Volume (2017), paper 9728. DOI: 10.3311/PPci.9728.
• [11] Francis RA, Guikema SD, Henneman L. Reliab Eng Syst Safe. 2014;130:1-11. DOI: 10.1016/j.ress.2014.04.024.
• [12] Breiman L, Friedman JH, Olshen RA, Stone CJ. Classification and Regression Trees. Boca Raton, USA: Chapman Hall/CRC; 1984. ISBN: 9780412048418.
• [13] Statistica 13.1. Electronic Manual. https://www.statsoft.pl/textbook/stathome.html.
• [14] Kutyłowska M. E3S Web of Conferences. 2017;22;00097. DOI: 10.1051/e3sconf/20172200097.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).