拓扑信息驱动的复发事件生存模型用于供水管网未来管道失效预测与风险排序

《Water Research》:Topology-Informed Survival Modelling for Predicting Future Pipe Failures in Water Distribution Networks

【字体: 大 中 小 】 时间:2026年10月22日 来源:Water Research 12.8

编辑推荐:

  原文未提供独立摘要;以下翻译其亮点(Highlights)内容:图特征将网络拓扑转化为管道失效模型输入;时间评估反映公用事业决策中的实际效用;网络拓扑在传统管道资产数据之外增加价值;预测的高风险管道组捕获大多数未来失效。

  
原文未提供独立摘要;以下翻译其亮点(Highlights)内容:图特征将网络拓扑转化为管道失效模型输入;时间评估反映公用事业决策中的实际效用;网络拓扑在传统管道资产数据之外增加价值;预测的高风险管道组捕获大多数未来失效。
研究背景与问题。老化供水管网(water distribution networks, WDNs)、破管率上升和更新预算受限,促使水务单位从被动修复转向主动、风险导向的资产管理;但更新能力有限,常见更新率约为网络的1%/年。此类关键基础设施维护对减少服务中断、降低水量损失和保护公共健康很重要。因此需利用现有信息系统排序管段,确定规划期内检查、修复或更换的优先对象。既有管道失效预测模型包括物理、统计和机器学习(machine learning, ML)方法;影响因素常分为物理、运行和环境因素,并逐渐纳入空间依赖和网络结构。已有研究采用管段分组、空间聚类、图指标、网络表示学习和图神经网络(graph neural networks, GNNs)等。但仍存在问题:许多评估使用随机或回顾性数据,不同于真实部署中只能使用决策时可得信息向未来规划期排序;管道失效常被建模为固定时间窗分类,需为不同规划期重定义目标,且未体现同一管道多次复发失效;基于聚类/热点的空间效应多用预定义地理区或距离近似,不能充分反映WDNs真实连通性,地理接近的管道未必连通,连通管道可能共享运行和失效依赖。为此,研究人员构建并评估拓扑信息预测框架,以决策年前可得信息估计未来规划期失效风险并排序管道。Uchit Sangroula等将管道失效表述为间隙时间(gap-time)生存公式,并用随机生存森林(random survival forest, RSF)实现;从WDN连通性导出图特征,描述局部网络背景和历史失效。应用瑞典水务单位管道资产数据后,拓扑信息RSF获得平均留出C-index(concordance index,一致性指数)约0.891,并在五年预测窗内将实际失效的80.6%纳入预测最高风险的前20%管道。该研究发表于《Water Research》,其意义在于把网络拓扑信息转化为可与常规预测模型和典型水务数据环境兼容的风险排序工具,支持检查优先排序和更新规划;即使风险排序只有中等改善,对每年仅更新小部分网络的水务单位仍有运营意义。

关键技术方法(不超过250字)。数据来自瑞典一家水务单位在役管道与失效记录(585 km,直径20–1000 mm;2007–2024年失效率11.8次/100 km/年;管段按安装年、材料、直径恒定的连续段定义)。关键技术:WDN线图(line graph)变换;node2vec随机游走与skip-gram学习64维图嵌入(graph embeddings),按年度网络生成并以正交Procrustes变换对齐;k-hop失效评分(k-hop failure score;k=2,2-hop权重λ=0.5);gap-time复发事件区间构建与区间权重;RSF训练;管道级80/20留出、t0=2020时间预测、地理留出、10折分组交叉验证与C-index评价,并与Cox比例风险(Cox proportional hazards, Cox PH)和Prentice–Williams–Peterson(PWP)模型比较。

研究结果。3.1 预测结果与模型解释。在管道级留出测试中,基线RSF(仅常规输入特征)、组合RSF(常规+图特征)和仅拓扑RSF的平均C-index分别为0.880±0.016、0.891±0.016和0.746±0.034;组合RSF在20次配对运行中16次更高,Wilcoxon检验p=0.0017。按最高风险前20%管道捕获失效比例评价,基线为74.8±4.5%,组合为80.6±5.4%,仅拓扑为53.9±6.4%;组合较基线提高5.8个百分点。地理留出下,基线C-index为0.866±0.018、组合为0.872±0.022,前20%失效捕获由68.7±2.9%升至75.3±5.8%。Cox PH和PWP也显示组合配置平均C-index较高。排列重要性显示区间起始年龄、既往失效次数和管道材料最重要;k-hop失效评分和嵌入组提供增量贡献,说明失效风险在拓扑上聚集,局部历史失效信息超出常规管段属性。3.2 面向未来优先排序的实用生存输出。组合RSF用于全网络生成2020年起生存曲线,并以2017–2019验证窗切点按预测5年失效概率分为低(≤70百分位)、中(70–90百分位)和高(>90百分位)风险组。预测曲线显示高风险组生存概率下降更快;在2020–2024观测窗内,Kaplan–Meier(KM)估计与预测风险组排序一致。最高风险组失效率约29.5%,最低风险组约0.8%。五年校准总体接近,部分中风险组存在高估;若在五年期选择约前5%网络,可捕获近40%观测失效,精确率约30%。

讨论总结。该框架将gap-time复发失效建模与RSF结合,并通过图特征纳入WDN拓扑;RSF适合高维、非线性预测并用于风险排序而非推断单个变量效应。框架依赖若干假设:同一管道多个区间并非完全独立,研究通过区间级变量(既往失效次数、区间起始年龄、距上次失效年数)和区间权重部分处理,但未显式建模管道内依赖与未观测异质性;右删失(right-censoring)主要因观测窗止于2024年;数据仅含在役管道,替换或退役管道不在数据中,可能产生选择偏倚;失效记录自1997年起,早期存在左截断,研究排除1940年前安装管道(约占原始库存3%、18.5 km)以降低最老管道不完整历史影响,1950和1960年切点敏感性分析仅见有限变化;记录未一致区分失效类型,所有失效—修复事件按单一结局处理。图特征仅使用各区间开始可得信息,逐年生成嵌入,k-hop评分只用当时失效史,可随新数据重算且独立于预测模型;与主要基于地理邻近的空间表示不同,该框架由图连通性定义邻域。k-hop评分幅度可能部分反映邻域大小,邻域归一化后性能可比;强调局部结构的嵌入配置较强调全局探索的配置表现更一致;网络结构在一年内不变的假设被认为合理。研究指出预测性能跨文献差异大,时间分离评估更接近真实部署;图特征贡献取决于连通性表示和失效聚集程度;输出概率应作为决策支持指标而非单管精确预报。总体而言,风险分层可识别较少管道承担较大失效份额,支持检查与更新优先排序。

研究结论(翻译)。该研究展示了供水管网中拓扑信息驱动的管道失效建模实用方法。图特征与常规管道输入特征被整合到复发间隙时间生存建模框架中。间隙时间公式对随时间复发的管道失效建模,并产生基于规划期的失效概率,可支持检查优先排序和更新规划。通过使用预计算的网络嵌入和图特征,框架纳入WDN结构信息,同时保持与常规预测模型和典型水务数据环境兼容。结果表明,这些图特征可通过捕获局部网络背景和连通管道间历史失效,在风险排序和优先排序中增加预测价值。由于当前评估基于单一瑞典WDN,未来工作可在更大、更异质和独立WDN上评估该框架,以评估其泛化性并更好理解图特征何时提供最强预测贡献。纳入额外水力或运行变量也可能有助于阐明网络拓扑如何与运行应力和不同失效机制相互作用。未来工作还可将模型比较扩展到深度生存方法,如DeepSurv和DeepHit,以进一步评估用于管道失效预测的替代生存建模框架性能。进一步研究也可考察额外图特征或嵌入策略以捕获网络其他结构特征。k-hop失效评分可通过纳入邻接失效的频率和新近性加权进一步探索。改进由管道劣化与外部触发事件所致失效的分类,可进一步增强预测性能和解释。此外,可纳入历史更换和退役记录以考虑资产移除并减少潜在幸存者偏倚。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号