[論文レビュー] Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis

Maryam Rahbaralam, David Modesto+3 more|arXiv (Cornell University)|Jul 2, 2020

Water Systems and Optimization参考文献 36被引用数 8

ひとこと要約

本論文は、バルセロナの水道配水網における給水パイプの故障を予測するためのハイブリッド機械学習および生存分析フレームワークを提案する。ドメイン固有の特徴量の統合、クラス不均衡の処理のためのSMOTE、およびXGBoostやコックス比例ハザードモデルを含むモデルを活用することで、パイプの幾何学的形状、年齢、素材が最も予測可能な要因であることが特定され、マーチャンズ相関係数（MCC）が0.24に達し、保守優先順位付けのための長期生存確率予測が可能となった。

ABSTRACT

Understanding performance and prioritizing resources for the maintenance of the drinking-water pipe network throughout its life-cycle is a key part of water asset management. Renovation of this vital network is generally hindered by the difficulty or impossibility to gain physical access to the pipes. We study a statistical and machine learning framework for the prediction of water pipe failures. We employ classical and modern classifiers for a short-term prediction and survival analysis to provide a broader perspective and long-term forecast, usually needed for the economic analysis of the renovation. To enrich these models, we introduce new predictors based on water distribution domain knowledge and employ a modern oversampling technique to remedy the high imbalance coming from the few failures observed each year. For our case study, we use a dataset containing the failure records of all pipes within the water distribution network in Barcelona, Spain. The results shed light on the effect of important risk factors, such as pipe geometry, age, material, and soil cover, among others, and can help utility managers conduct more informed predictive maintenance tasks.

研究の動機と目的

• 都市部の配水網における給水パイプの故障予測フレームワークを開発すること。物理的アクセスが制限され、保守コストが高いため、この課題に取り組む。
• 機械学習分類器と生存分析手法を統合することで、短期的および長期的故障予測を改善すること。
• 年間で約1％のパイプしか故障しないという故障記録のデータ不均衡に対処するため、SMOTEを用いて合成データ拡張を行うこと。
• パイプの年齢、幾何学的形状、素材、土壌被覆の影響を同定・定量化し、故障確率への影響を評価すること。
• パイプの生存と劣化に関する解釈可能なデータ駆動型の知見を提供することで、水道事業者が保守および改修の優先順位を決定できるように支援すること。

提案手法

• 短期的故障予測（1〜4年）のため、水道配水分野の知識に基づく特徴量を用いて、ロジスティック回帰とXGBoost分類器を適用した。
• 99％のパイプが故障しないという極めて不均衡なデータセットを補正するため、合成少数過剰化技術（SMOTE）を用いた。
• 時間までの故障をモデル化し、生存確率を推定するために、エラスティック・ネット正則化を施したコックス比例ハザードモデルを採用した。
• モデルの解釈性を高めるために、ロジスティック回帰の標準化係数とXGBoostのSHAP値を用いて予測要因の重要度分析を実施した。
• 不均衡データセットに適したロバストな指標として、交差検証によるマーチャンズ相関係数（MCC）を用いてモデルの性能を評価した。
• パイプ素材ごとの生存確率分布を可視化し、長期的信頼性を比較し、素材別優先順位付けの根拠を提供した。

実験結果

リサーチクエスチョン

• RQ1 パイプの特性（例：年齢、素材、幾何学的形状）の中で、短期的および長期的故障予測において最も予測可能な要因は何か？
• RQ2 機械学習モデルは、水道パイプ故障データに見られる極端なクラス不均衡に対処するためにどのように適合可能か？
• RQ3 ドメイン固有の特徴量は、故障予測モデルの性能向上にどの程度寄与するか？
• RQ4 素材ごとの生存確率は、時間の経過とともにどのように比較されるか？
• RQ5 生存分析は、長期的資産管理および改修計画立案に実用的かつ有用な知見を提供できるか？

主な発見

• XGBoost分類器は、交差検証によるマーチャンズ相関係数（MCC）が約0.24に達し、不均衡データセットにおいて中程度の予測性能を示した。
• パイプの幾何学的形状と年齢が、ロジスティック回帰およびSHAPベースの重要度分析の両方で、最も重要なリスク要因として一貫して上位にランクされた。
• 生存分析の結果、延性鉄（FD）およびポリエチレン（PEAMC）パイプは中程度の生存確率分布を示したが、鋼鉄（AG）パイプは中央値の生存確率が95％以上に達した。
• アスペクト比や設置年といった主要な予測要因について、生存モデルのコンcordanceスコアは0.55を超えており、それらの要因が強い予測力を持っていることを裏付けた。
• SMOTEを用いたリサンプリングは、多数クラス（非故障）に偏るバイアスを緩和する効果があり、分類器の性能を著しく向上させた。
• バルセロナ水道網のパイプの生存確率は広範にわたって変動しており、一部のパイプは100年を超える年数に達しても50％以上の生存確率を維持している。