Esta es una copia del repositorio Enfoques automatizado por datos para evaluar e interpretar la Calidad del Agua

datos
de series temporales de agua Sistemas de Distribución Leer más:
http://ascelibrary.org/doi/abs/10.1061/(ASCE)WR.1943-5452.0000533.

White Rose Investigación Online URL de este documento:

http://eprints.whiterose.ac.uk/86842/

Versión: versión aceptada

Artículo:
http://ascelibrary.org/doi/abs/10.1061/(ASCE)WR: Mounce, SR y Boxall, JB (2015) Automatizada enfoques para
evaluar la calidad del agua e Interpretación datos de series temporales de agua Sistemas de Distribución Leer más
basadas en datos. 1.943-5452,0000533. Diario de Planificación de Recursos de Agua y Gestión. ISSN 0733-9496

https://doi.org/10.1061/(ASCE)WR.1943-5452.0000533

Reutilizar
A menos que se indique lo contrario, los artículos en texto completo están protegidos por copyright, con todos los derechos reservados. La excepción derechos de autor
en el artículo 29 de los Derechos de Autor, Diseños y Patentes de 1988 permite la realización de una sola copia exclusivamente para fines de investigación no
comercial o estudio privado dentro de los límites de un trato justo. El editor u otro titular de derechos pueden permitir su posterior reproducción y reutilización de esta
versión - se refieren al registro de Rosa Blanca Investigación en línea por este concepto. Cuando los registros identifican el editor como el titular de los derechos, los
usuarios pueden verificar las condiciones particulares de uso del sitio web del editor.

Derribar
Si se tiene en cuenta el contenido en White Rose investigación en línea para estar en violación de la ley del Reino Unido, por favor notifique por correo electrónico a
eprints@whiterose.ac.uk incluyendo la URL del registro y el motivo de la solicitud de retiro.

eprints@whiterose.ac.uk
https://eprints.whiterose.ac.uk/
 1 datos automatizadas de enfoques para evaluar e interpretar los datos de series de tiempo la calidad del agua

2 a partir de sistemas de distribución de agua

3
4
5 SR Mounce *, ** JW Gaffney, S. Boult y *** JB Boxall ****.

* Investigador, Grupo Agua Pennine, Departamento de Ingeniería Civil y Estructural, Universidad de 6

de Sheffield, Sheffield S1 3JD, Reino Unido. 7

** Gerente de Producto, Evoqua Water Technologies Ltd, 160 London Road, Sevenoaks, Kent TN13 1BT, 8

UNIDO.
REINO
9

*** Profesor, Escuela de la Tierra, Atmosféricas y Ambientales, Universidad de Manchester, 10

Williamson edificio, Oxford Road, Manchester M13 9PL, Reino Unido. 11

**** Profesor de Ingeniería de Infraestructura de Agua, Water Group Pennine, Departamento de Ingeniería Civil y 12

Ingeniería Estructural de la Universidad de Sheffield, Sheffield S1 3JD, Reino Unido. 13

14

15

Autor correspondiente: SRMounce@sheffield.ac.uk 16 17

18 Abstracto

redes de distribución de agua están no inerte sistemas de transporte, el agua de alta calidad producidos en agua 19

20 obras de tratamiento está sujeto a una variedad de complejo y la interacción física, química y biológico

21 interacciones dentro de estos, reactores de superficie de alta muy variable. En particular, el envejecimiento y deteriora ting

condición de activos en los sistemas de distribución de agua puede resultar en una degradación de la calidad del agua suministrada a la 22

al cliente, a menudo se experimenta como la decoloración debido a la creciente cantidad de materia particulada fina. Aquí, 23

proponemos que mediante la evaluación de la turbidez se mide en el tiempo, en particular, su correlación con local de 24

25 hidráulica, una evaluación de los cambios en el riesgo de ensuciamiento se puede obtener y disuadir de activos ioration infiere.

1
 Este artículo presenta una metodología para el seguimiento del par de valores de un parámetro hidráulico (flujo o la presión) 26

27 y la turbidez utilizando wavelet basa análisis apariencia - una metodología novedosa de otro dominio,

que se aplica por primera vez a los datos de calidad del agua en sistemas de distribución. Se sugiere y 28

posteriormente explorado a través de estudios de caso que una creciente (anti-) correlación de la turbidez con el 29

(Presión) ciclo diurno será indicativo de riesgo creciente ensuciamiento fluir. Esto puede ser apoyado además 30

mediante la evaluación de la velocidad y la magnitud de la deriva y por medio de la evaluación de la variación del módulo 31

del perfil diario turbidez. El material compuesto de estos enfoques se aplica a un amplio conjunto de datos de 32

un sistema de distribución UK revelando la eficacia de la pre análisis y lavado post (reducción de 33

eventos de decoloración por entre el 64 al 89 por ciento). Con el aumento de la proliferación de dispositivos de monitorización 34

y adquisición de datos en tiempo real el potencial de los sistemas en línea y bien informado gestión proactiva 35

es evidente. 36

37 Descriptores: sistemas de distribución de agua; Administracion del Agua; Las pruebas de campo; Análisis de los datos ; Calidad

38
39 INTRODUCCIÓN

segura agua Distribución Water Systems (WDS) función para suministrar tratada para el consumo humano y 40

41 cumplimiento de las normas de calidad cada vez más estrictas. Considerado principalmente una estética problema,

decoloración es la principal causa de insatisfacción de los clientes asociados con el agua del sistema de distribución 42

calidad. De las 154,985 quejas de los clientes sobre la calidad del agua potable en 2007 para Inglaterra y 43

Gales, 124.671 (~ 80%) estaban sobre el agua decolorada (marido y Boxall, 2011). Para el año 2012, el 44

número de quejas de los clientes sobre la calidad del agua potable para Inglaterra y Gales se había reducido a 45

46 106.612, de los cuales 50.456 (47 ~ %) Se debieron a la decoloración (DWI 2013). El costo de una calidad del agua

incidente a una compañía de agua es alto. Cuando esto resulta en la exposición de los clientes a riesgos de salud el costo 47

se vuelve muy importante, tanto en términos financieros como en términos de una pérdida significativa de la confianza tanto por 48

49 consumidores y reguladores. Además, los costos aumentan rápidamente cuando las normas no se mantienen una Dakota del Norte

2
50 hay un costo significativo de fracaso y de baja calidad. Los enfoques proactivos están ahí canal que se requiere para

51 monitoreo de la calidad del agua para identificar, controlar y riesgos de pronóstico de calidad del agua. La calidad del agua s ensors

potencialmente facilitar datos para informar la evaluación del sistema, la supervisión operativa y la gestión general 52

de la red, lo que permite el análisis a futuro para el capital y la planificación del mantenimiento operacional. 53

Por lo tanto, existe un interés creciente en el despliegue estratégico de los monitores de calidad del agua en línea en el 54

red, habilitado por los recientes avances en la tecnología de sensores y opciones de transferencia de datos a distancia (UKWIR, 55

56 2013). Si bien este tipo de trabajo concluye que el caso de coste-beneficio para la vigilancia de la calidad del agua no es clara,

57 esto es probablemente debido a la naturaleza “experto” de la revisión y la incertidumbre de qué valor o información

puede ser derivado de los datos de calidad del agua. A pesar de esta incertidumbre temporal y las relaciones espaciales pueden ser 58

inferirse a través de la mejora de modelo de red y el sistema de información geográfica de integración (GIS) utilizando 59

estos datos y quejas de los clientes de calidad del agua (por ejemplo Furnass et al. 2013). Y un poco de agua 60

las empresas han estado haciendo uso de la información de la calidad del agua en tiempo real durante la operación del tronco 61

válvulas principales, como un medio de seguimiento y control de la movilización de partículas (Husband et al. 2011). 62

Blokker et al. (2011) mostraron cómo las redes existentes se pueden hacer auto-limpieza a través de la válvula de ajuste 63

64 posiciones para aumentar las velocidades máximas diarias. Sin embargo, en un nivel de empresas de agua necesidad más estratégico a

entender y minimizar los impactos del deterioro de la red, salvaguardando la calidad del agua. el 65

potencial de la calidad del agua en línea en el seguimiento de WDS informó aquí se ve como dos veces: primero en identificar 66

la contaminación y la segunda para detectar el deterioro en la calidad del agua debido a las interacciones entre el 67

agua y la red: en particular, a riesgo inferir de ensuciamiento. 68

69

70 ANTECEDENTES

71 decoloración

3
 La decoloración es el resultado de las partículas finas, de biológicos (de la biopelícula) y / o inorgánico (por ejemplo, 72

hierro, manganeso, tiza etc.) origen. La materia en partículas en el sistema de distribución puede estar presente en la 73

74 agua de la fuente, ya sea debido a traspaso de las obras de tratamiento o, ser producido por la corrosión de tubos de hierro

75 o por el ingreso y otra físicos, químicos y procesos biológicos. El sistema hidráulico de la sistema

determina dónde se acumula este material y donde no lo es. Del mismo modo que cuando se determinan 76

partículas acumuladas se movilizan y pueden causar un problema decoloración. La Figura 1 resume estos 77

procesos complejos y que interactúan. 78

79

80 {La Figura 1} aproximadamente aquí

81

la investigación actual sugiere que el modelado decoloración puede ser conceptualizado como: la acumulación de material 82

sobre toda la circunferencia de la red de distribución en capas cohesivas, con los patrones de demanda diaria 83

y el esfuerzo cortante resultante que rige cómo el material se acumula en estas capas. La movilización de estos 84

85 capas se produce debido a un aumento en el esfuerzo de cizallamiento por encima de la que se encuentra en el patrón diario (Boxall y Saul

86 2005, Vreeburg y Boxall 2007, Husband et al. 2008).

87

Las biopelículas contribuyen a ensuciamiento (definida como la formación de depósitos en la superficie interna de la tubería) de la 88

89 WDS, incluyendo la acumulación de partículas de hierro y manganeso - el componente principal de la mayor parte

muestras de agua descolorida. En consecuencia, con el tiempo, determinados tubos pueden desarrollar ensuciamiento debido a las biopelículas; 90

este proceso no deseado - a menudo afectar el sabor, olor y decoloración de agua (Dotuerelo et al 2013). 91

- que se conoce como la contaminación biológica. Las biopelículas son el sitio predominante de la actividad microbiana en un WDS aunque 92

crecimiento en el agua a granel puede ocurrir bajo ciertas condiciones. Los microorganismos que crecen en un biofilm 93

4
 no representan una grave amenaza para la salud. Todas las superficies en contacto con el agua pueden soportar un biofilm 94

incluyendo tuberías, paredes y materia particulada. 95

96

97 eventos de decoloración a menudo se producen debido a un aumento de la tensión de cizallamiento tal como el causado por una explosión o de la válvula /

operación boca de riego que pueden ser algunos aguas arriba distancia de donde se produce la queja de un cliente. 98

Históricamente, las compañías de agua en el Reino Unido tienen red de agua encendidas en respuesta a las quejas de los clientes 99

o después de los trabajos de mantenimiento. herramientas de modelado predictivo, tales como la predicción de decoloración en 100

Sistemas de Distribución (PODDS), Boxall y Saul (2005), se puede utilizar para evaluar a aquellos tubos que tienen 101

el mayor incremento en la tensión de cizallamiento y el potencial por lo tanto, la decoloración debido al aumento de la demanda en 102

otros tubos. Estas herramientas pueden ser aplicados por empresas de suministro de agua para mejorar el proceso de lavado, 103

evaluar las velocidades de lavado necesarias y se centran en longitudes específicas de principal para mejorar la eficacia de 104

las operaciones de lavado. Un nuevo modelo mejorado, se ha propuesto realizar un seguimiento de la cantidad relativa de 105

material de decoloración que está unido a la pared del tubo a través del tiempo en cada uno de una serie de resistencias al cizallamiento 106

(Furnass et al. 2014). 107

108

Dado que el material decoloración puede conceptualizarse como que se acumula en capas cohesivas en el interior de 109

paredes de la tubería se puede suponer que cualquier cosa inserta en la red eléctrica o expuesta a fluir para prolongada 110

111 es probable que sea ensuciado con el tiempo de manera similar períodos. Por lo tanto el material es probable que se acumule sobre el

superficies ópticas de los instrumentos de turbidez que podrían causar adversamente dispersión de la luz o la absorción durante 112

el proceso de medición. Una deriva se observa a menudo con el tiempo debido a este proceso de depositar material 113

114 (O ensuciamiento) de la lente. La característica de este tipo de manifiestos de ensuciamiento como una 'deriva' donde la turbidez

grabada aumenta constantemente con el tiempo. Se ha observado en el despliegue sobre el terreno que el término de ganancia es de 115

116 estable y el ensuciamiento de los instrumentos sólo afectan el instrumento de desplazamiento (Cook 2007). la deriva fue similar

5
 observa en despliegue sobre el terreno de otros instrumentos y en consecuencia esta deriva puede ser ajustado para 117

con relativa facilidad (Gaffney y Boult 2011). Sin embargo, el ritmo y la magnitud de esta deriva también serán 118

intrínsecamente ligada a la cantidad de material presente y la condición tubería y así podría actuar como un 119

índice de la condición de activos / tasa de ensuciamiento. 120

121

122 series de tiempo del sistema de distribución de agua

Para los sensores hidráulicos y de agua de calidad utilizados en las redes de distribución de agua, el periodo de muestreo pueden 123

variar de 1 a 60 minutos (menos de un minuto es inusual). Un intervalo de 15 minutos ha sido adoptado por 124

flujo estratégica y medición de la presión. En el Reino Unido, y cada vez más en otras partes de la 125

126 mundo, WDS se subdividen en metro del distrito áreas ed o áreas de gestión de distribución (DMA).

Dependiendo del sensor, y de manera rutinaria para los medidores de flujo de DMA, las mediciones pueden ser promediado sobre un 127

período de tiempo (por ejemplo 15 minutos) para producir la siguiente medición (es decir, no son instantáneos). 128

Este proceso de promediado puede ayudar a reducir el efecto de señales espurias. Las series temporales producidas por 129

sensores desplegados en WDS son, en general de ruido, no estacionario y manifiesto significativa (ambos 130

131 observacional y medición) debido al cambio de características de la red (por ejemplo, una válvula en

la red que está cerrado puede resultar en un nuevo perfil de flujo), así como la alteración de los patrones de consumo 132

durante períodos más largos. Un ciclo diurno mundial en general, que se manifiesta en los parámetros hidráulicos es un reflejo 133

del patrón de consumo residencial dominando. Esto es casi siempre presente en DMA de datos de nivel 134

aunque no necesariamente en los datos de transferencia de agua a granel más grande tal como monitoreo tronco principal. Una serie de tiempo 135

136 a veces se describe como teniendo período s, en que se repite después de períodos de tiempo s: • • •• •txstx
• para el tiempo

137 t. En el caso de un ciclo diurno y, por ejemplo, un intervalo de lectura quince por minuto y s = 96. S econdly, una

ciclo semanal también puede estar presente en los datos WDS con la principal diferencia es entre los días laborables y 138

el fin de semana y cuya fuerza es más probable en función de la cantidad de residencial e industrial 139

6
 exigir presente en el área de la red bajo consideración. Menos se conoce acerca de los patrones o la periodicidad 140

141 de los datos de calidad del agua.

142

143 El coeficiente de correlación es una medida del grado de asociación lineal entre dos variables, el

144 grado puede ser positivo o negativo ( • • •1 • 1 ) . Covarianza es una medida similar, pero a diferencia de lo

no depende de la varianza de las dos variables de correlación y covarianza de medidas estadísticas pueden ser 145

utilizado por ejemplo para controlar el movimiento de dos inversiones financieras o índices (Hamoa et al. 2000). 146

Las correlaciones pueden cambiar con el tiempo y en diferentes condiciones económicas en este dominio. La detección de 147

cambios estructurales en la relación entre dos series de tiempo ha sido un problema en la econometría para 148

muchos años. Mover ventanas han demostrado ser útiles en la identificación de dónde se puede producir un punto de rotura (Hansen 149

150 2001), pero están limitados por la longitud de la ventana elegida. Dado que los datos se llega de forma continua una serie temporal

a menudo se denomina tiempo de evolución que implica la presencia de no estacionariedad. Una correlación única, estática puntuación de 151

para toda una serie de tiempo por lo tanto no es particularmente útil. 152

153

Con el tiempo, el material que se acumula en las paredes de tuberías puede ser responsable del aumento de la incidencia 154

de la decoloración (Cook y Boxall 2011). Puede haber una correlación subyacente entre el flujo (o 155

156 inversamente con la presión utilizada como un sustituto) y turbidez que podría ser capaz de ser ex ploited de

sacar conclusiones sobre el ensuciamiento del sistema en los sistemas de distribución de agua. Hay un cierto nivel de 157

de correlación del ciclo de flujo diurna con turbidez (Vreeburg 2007) y estudios a escala de laboratorio tienen 158

apoyado este (Sharpe et al. 2010). Lehtola et al. (2004) mostraron variación diurna de la turbidez y otros 159

parámetros de calidad del agua para un tubo de hierro fundido con la que había un riesgo conocido decoloración por lo tanto 160

161 lo que sugiere que un mecanismo mediante el cual se produce capas de material cohesivos están erosionando continuamente y

162 regenerar en la pared de la tubería. Un ciclo diario turbidez se ve en los datos, la turbidez a su nivel más alto en pico

7
163 flujo diario de la mañana, tiene el potencial de ser útiles para indicar cómo el ser red 'limpia'

164 monitorizado es. 'Clean' podría referirse a la cantidad y movilidad de material de cambio de color en un punto dado

dentro de la red. Lugares con una mayor correlación turbidez con el cambio diurna flujo (o superior 165

anti-correlación con el cambio diurna presión) y un cambio de amplitud turbidez mayor por día podría 166

tienen un riesgo más alto que el ensuciamiento esos lugares sin, ya que están totalmente malogradas. Como ser bien 167

observado en los datos de turbidez e hidráulicos, tales patrones diarios y correlaciones se han observado en 168

WDS datos microbianos (Sekar et al. 2012). La tasa de la deriva de las mediciones de turbidez también podría ser un 169

indicador para esto. Sobre la base de esta hipótesis es que si la condición tubería está limpia, hay poca 170

171 correlación entre turbidez y el sistema hidráulico , mientras que para totalmente 'ensucian' tuberías habría una fuerte diaria

ciclo de la turbidez siguiendo el perfil diurno hidráulico. 172

173

La dependencia de la hidráulica con turbidez tiene un comportamiento no lineal. Además, conjuntos de datos 174

manifiesta no estacionario, ruido de medición y los datos que faltan. Varios eventos de la red y las obras pueden 175

impactar en las mediciones por lo que la evolución temporal de flujo (o presión) y la turbidez depende de 176

variables externas de una manera compleja y su evolución es demasiado complicado para resolver mediante analítica 177

modelos. Marido y Boxall (2011) nota de los resultados de campo que la importancia relativa de la cresta y 178

179 la hidráulica diarias variables no están claras en relación a la decoloración. La amplitud de la turbidit diaria y

ciclo también se ha propuesto como un simple indicador del potencial decoloración dentro de una red (Cook 180

181 2007). amplitudes mayores sugieren que hay más material de decoloración dentro de una red que es

más fácilmente movilizado y por lo tanto puede ayudar a informar sobre la eficacia de la intervención. 182

183

Este documento propone automatizar las estrategias basadas en datos para ambos eventos anormales que detectan y también para 184

determinar el porcentaje de tubería ensuciamiento y los incidentes asociados decoloración utilizando métricas para evaluar 185

8
 ya las tendencias y patrones plazo. Una técnica de análisis desarrollado por primera vez para el dominio de la geofísica que 186

permite la correlación cambia para ser visto con diferentes longitudes de ventana a través del tiempo en un gráfico es 187

utilizado. Las correlaciones de pares de series de tiempo se analizan con un enfoque particular en el diario y semanal 188

escala temporal. Tenga en cuenta que la utilización de los parámetros hidráulicos de esta manera no es un medio de predicción de turbidez 189

eventos per se, sino que el cambio de las correlaciones entre el flujo / presión y turbidez puede proporcionar 190

información sobre las condiciones de funcionamiento de la red. Además, la tasa y la magnitud de la turbidez de deriva 191

192 y su magnitud amplitud diaria y el desarrollo con el tiempo se derivan. La herramienta de análisis de software es

desarrollado y puesto a punto por la aplicación de un mundo real WDS conjunto de datos de estudio de caso con algunos conocidos 193

intervenciones para demostrar los cambios estructurales en condiciones de tuberías. Si hidráulico y turbidez 194

correlaciones muestran periodicidades y cambia con el tiempo, el descubrimiento de estos pueden revelar valiosa 195

información que puede ser utilizada para la evaluación del estado de la red y toma de decisiones. Es importante destacar que todos los 196

estas técnicas y herramientas deben ser capaces de inferir el estado del sistema antes de la aparición de cliente 197

impactando niveles de decoloración. 198

199

200 CASO DE DETECCIÓN DE SISTEMAS, apariencia ANÁLISIS Y METRICA

201 METODOLOGÍA

202

203 Sistemas de Detección de Evento

La combinación de los datos de telemetría y un sistema de alerta es un paso hacia la gestión de la red integrada 204

permitiendo una respuesta proactiva a eventos. Una serie de enfoques de los campos de la Inteligencia Artificial 205

y Estadística se han aplicado para la detección de anormalidad en sistemas de distribución de agua de hidráulico 206

datos de series de tiempo. Sistemas de detección de eventos (EDS) que el flujo convertido y datos de sensor de presión en utilizable 207

información en forma de alertas oportunas se han desarrollado para ayudar con el tema de la reducción de fugas 208

9
 (Por ejemplo Mounce et al. 2010). Un campo de trabajo ha venido surgiendo en torno automático y semiautomático 209

210 análisis de los datos. El interés también está creciendo en la aplicación de EDS similares a measurem la calidad del agua en línea entos.

La detección de eventos anómalos (tales como los fuera de la gama normal de turbidez) es de interés para todos los días 211

gestión operativa (para mantener la alta calidad del agua), así como para la identificación de contaminación 212

eventos (ya sean naturales o intencionales). 213

214

En Gaffney y Boult (2011) mediciones de turbidez en alta resolución temporal (generalmente 15 minutos) 215

de varios sitios dentro de una red de distribución fueron ensamblados para formar un registro completo de los 216

la variabilidad de la turbidez. El objetivo fue determinar si la observación más intensiva y extensa de 217

turbidez es probable que sea necesario para mejorar la evaluación del riesgo de ensuciamiento y, si es así, ¿cómo se puede utilizar 218

para hacerlo. Se analizaron los conjuntos de datos para investigar la correlación de eventos de turbidez con presión 219

fluctuación. Los datos se extraen manualmente para identificar y extraer todos los cambios en la turbidez que eran 220

mayor que 0,5 NTU. a continuación, los datos de presión se extrajo en el mismo lugar en el horas antes de la 221

222 inicio del cambio de turbidez. Específicamente, se utilizó el siguiente método para determinar víspera discreta NTS

y asociado de cambio de presión: 223

224 • Un solo acontecimiento se define como el período de tiempo desde cuando se activa el evento (es decir, mayor

225 que un aumento NTU 0.5) para cuando se vuelve a su valor de turbidez pre-evento.

226 • En términos de los datos de presión antes del evento, los 4 lecturas en el horas antes del evento eran

227 tomada y el rango calculado de esos números.

Esta metodología se implementó de manera automatizada en MATLAB (versión 7.14; El 228

229 MathWorks Inc.) mediante el procesamiento de los archivos CSV directamente hidráulicos para el sitio de estudio de cuatro casos s. UNA

función de diferencia se utilizó para encontrar el cambio 0.5NTU en la turbidez (aumento) en lugar de valor real 230

10
 y entonces el cambio de presión calculada. La salida da la marca de tiempo de inicio del evento y al final se define como 231

descrito anteriormente. 232

233

CANARIAS es una plataforma de software de código abierto para la EDS desarrollado por los Estados Unidos del medio ambiente 234

235 Agencia de Protección (US-EPA) que se puede utilizar para el análisis de series temporales de datos de calidad del agua (Ciervo

et al. 2009). CANARIO puede leer en el Control de Supervisión y Adquisición de Datos (SCADA) de datos, lleve a cabo 236

237 un análisis casi en tiempo real y luego regresar la probabilidad evaluado de una víspera de la calidad del agua nt que ocurre

en el paso de tiempo actual. CANARIO utiliza algoritmos matemáticos y estadísticos para identificar la aparición de 238

períodos de datos de calidad del agua anómala, mientras que al mismo tiempo, lo que limita el número de falsas alarmas que 239

ocurrir. Un proceso de dos pasos que se adopte: estimación de estado para el futuro valor de la calidad del agua y una segunda etapa 240

de clasificación residual para la determinación de espera o el valor anómalo (un valor atípico). algoritmos 241

242 calcular un perfil de calidad de fondo de agua para cada sensor de calidad del agua (para un parámetro oa través de

el conjunto de parámetros), utilizando un período definido por el usuario, y comparar cada nueva calidad del agua 243

medición a ese perfil de fondo para determinar si la nueva medida es un valor atípico o no. el 244

definición de la calidad del agua de fondo se actualiza continuamente a medida que se disponga de nuevos datos. cada 245

estación de vigilancia se analiza independientemente usando Canarias. Los valores de la configuración 246

parámetros de cada estación pueden variar de una utilidad a la siguiente y podrían variar a través de la supervisión 247

estaciones dentro de una utilidad (EPA 2010). Mounce et al. (2012) utilizaron Canarias para un estudio de caso en el que el Reino Unido 248

nueve sensores de calidad del agua de medición seis parámetros fueron desplegados en tres conectó Distrito Meter 249

250 Áreas, alimentados desde una sola fuente de agua. Se evaluó usin un período de un año de análisis g integral

registros de servicios de agua incluyendo la reparación y datos queja de un cliente y que mostró 86% de evento 251

racimos de detección correlacionados a causas (tales como reparaciones de ráfaga). 252

253

11
 Un algoritmo de filtro lineal, LPCF (McKenna et al. 2006), se utilizó en dos entradas (presión y 254

turbiedad). Algunos de los parámetros son clave en el tipo de eventos que son detectados por Canarias. estos 255

incluir longitud de la ventana (utilizado para la predicción) y outlier umbral (medido en sigma). CANARIO 256

se aplicó a los seis sitios con los siguientes parámetros (después de algunas pruebas de sensibilidad): dos días de 257

ventana de historia, una ventana Binomial Evento Discriminador (BED) de 1 hora, outlier umbral de 2,5 y 258

probabilidad de lecho de 0,5. umbral de probabilidad de eventos se fijó en un valor predeterminado de 0,9 que es el valor 259

recomendado por US-EPA. El enfoque automatizado basado en la diferenciación está buscando instantánea 260

cambia por encima de un cierto umbral. Cuando una ventana de detección de eventos se utiliza una ventana más grande BED 261

262 resultados en la capacidad de identificar anormalidad durante un período de tiempo más largo y para limitar el número de fantasma

alertas, es decir, sólo identifican eventos de interés. El tamaño de la ventana BED se definió en una hora con el fin 263

para detectar eventos de corta duración. Hasta cierto punto la configuración EDS dependerá de la velocidad de muestreo 264

y el tipo y duración de los eventos a ser detectados. La integración de los resultados en el mayor número de pasos de tiempo 265

266 antes de aumentar la probabilidad de detección de eventos en general resulta en menos de falso positivo tections,

pero a expensas de tiempo de detección más rápida. 267

268

269 El análisis semblanza

Para la comparación de la evolución de la serie de tiempo separados, es deseable tener una noción de correlación que 270

evoluciona con el tiempo, es capaz de seguir el cambio de las relaciones y que no es excesivamente sensible a los transitorios 271

272 dependiendo de la escala. filtrado apariencia compara dos conjuntos de datos sobre la base de su fase, como una diversión cción

de la frecuencia. Se divide cada conjunto de datos de entrada en dos conjuntos de datos de salida que consiste en la parte de la entrada 273

conjuntos de datos que se correlaciona con un determinado grado, y la parte que no es. La formulación original de 274

análisis apariencia utiliza la transformada de Fourier y análisis de las diferencias en los ángulos de fase para EAC h

frecuencia (von Frese et. al 1997). Este enfoque utiliza todo el conjunto de datos para determinar la relación 276

12
 entre las fases, pero no permite que el contenido de frecuencia de los datos de series de tiempo que cambia con 277

278 hora. Si durante una secuencia de series de tiempo hay una oscilación local que representa una característica particular, s

posición en el eje del tiempo se pierde, aunque todavía contribuye a la calculada por transformada de Fourier. 279

280 No hay manera de saber si el valor de la Transformada de Fourier calculada F• w • a una en particular

281 tamaño de la ventana w deriva de frecuencias presentes en toda la longitud de •tf• o durante uno solo o una

unos periodos determinados. 282

283

284 análisis Wavelet proporciona una forma alternativa de descomponer una señal en partes constituyentes. Lo hace

285 esto analizando a diferentes escalas (o resolución) de datos. análisis Wavelet ha encontrado una amplia gama de

aplicaciones en el habla, procesamiento de imágenes y la compresión y procesamiento de señales en general. Masters 286

287 (1995) define una wavelet como “una función que define un conjunto de filtros obtenidos mediante el escalado este una función.”

288 Esta función se denomina análisis o wavelet madre. Haar (1910) propuso la función de base de Haar -

en efecto, la primera función wavelet madre. Daubechies (1988) construyeron un conjunto de wavelet ortonormal 289

funciones de base que han sido ampliamente adoptados. 290

291

El análisis temporal se lleva a cabo con una versión de frecuencia contratada, alta de la wavelet madre, mientras que 292

análisis de frecuencia se lleva a cabo con una versión de frecuencia dilatada, bajo de la misma wavelet. estos 293

294 dilataciones y traducciones de la wavelet madre • • X • definir una base ortogonal denomina tren de ondas

base (para la transformada wavelet discreta (DWT), que es la técnica análoga a la discreta de Fourier 295

transformar (DFT) para discretos datos de series de tiempo): 296

•
• • •• X • • • •2
22
• lx•
• ss
, ls
(1)

297
298

13
299 donde s y l son números enteros (índice de escala y índice de localización, respectivamente) que la escala y dilatan el mothe r

300 funcionar para generar ondas. s indica el ancho de la wavelet y es análoga a la frecuencia y l da

301 su posición. Con el fin de abarcar el dominio de datos a diferentes resoluciones, se utiliza el análisis wavelet en un

ecuación de escala: 302

303

•
norte 2

x• W• • • •• • kk• 1
• 1•
2 •
• KxC (2)
304 k• • 1

305

306 dónde • W
• esX la función de escala para la función de la madre, y el c kson los coeficientes de tren de ondas

que deberán cumplir las limitaciones: 307

308

•
norte 1 •1

• Ck • 2, • k cc • 2 •ll N ,0
(3)
309 k• 0 k• 0

310

311 dónde • es la función delta y l el índice de ubicación. los coeficientes •C0 ,..., •
C norte puede ser considerado como

un filtro que se coloca en una matriz de transformación y se aplica a un vector de datos en bruto. La posterior 312

ordenamiento de los coeficientes de los resultados en dos modelos: uno que funciona como un filtro de suavizado y otra que 313

Realza el detalle de los datos. La señal de la serie de tiempo original puede ser rep resentido en términos de un tren de ondas 314

expansión mediante el uso de combinaciones lineales de coeficientes. 315

316

317 La transformada wavelet continua (CWT) de un conjunto de datos t•

x •utiliza para dividir una función de tiempo continuo

en pequeñas ondas está dada por (Mallat, 1998): 318

319

14
 •
1 • • •
• , •• • • dt
• sutstxsu
2/1
• • • • CWT (4)
• •
320
• •

321

322 Donde s es la escala, u es el desplazamiento ね, es la madre wavelet utilizado y * denota el complejo conjugado.

Así, el CWT es una convolución de los datos con la versión a escala de la wavelet madre. Cooper y 323

Cowan (2008) propuso un análisis apariencia basado en el uso de la transformada wavelet continua (CWT) 324

para la transformación inicial de los datos. El tren de ondas basada transformar es superior a la transformada de Fourier como 325

no asume que el contenido de frecuencia es constante a través del tiempo y permite el análisis de 326

los cambios en el contenido de frecuencia dentro de los datos. Señalan que el tiempo de coordenadas en la ecuación. (4) puede ser 327

la espacial de coordenadas y y utilizar el complejo de Morlet wavelet para esto (Teolis, 1998): 328

329

1 2• •
2
/ fyyfi
• • •• C
eefy si
(5)
•
330 si

331

332 dónde si f controla el ancho de banda wavelet y C F es la frecuencia central wavelet. Cooper y Cowan

333 (2008) conjunto C f = 1 de modo que la escala se vuelve equivalente a la longitud de onda. Descubrieron que la cruzada

transformada wavelet para comparar dos series de tiempo diferentes (Torrence y Campo, 2008) no dio 334

buenos resultados, y en lugar idearon un equivalente wavelet de diferenciación los ángulos de fase en cada frecuencia 335

336 para las transformadas de Fourier de dos conjuntos de datos. Esta medida resultante, la apariencia S no requiere º mi

dos series de estar en las mismas unidades de medida y pueden tomar valores de -1 (inversamente o anti-correlacionada) 337

a través de cero (sin correlación) a 1 (correlación de fase perfecta). 338

339

La Figura 2 proporciona una ilustración de cómo el análisis de apariencia puede ser presentado para dos turbidez 340

instrumentos (toma de muestras cada 5 minutos en consecuencia 288 lecturas por día) situados en la misma sección 341

15
 de un DMA, por tanto, para el que se espera una alta correlación (Khan et al. 2005). Estos datos de referencia fijado 342

se manifiesta un ciclo diurno, picos ocasionales y la deriva continua; que es más pronunciada en instrumento 343

344 1. Tenga en cuenta que, calculado sobre el conjunto completo de datos de 35 días, el coeficiente de Pearson fue de 0,22. la apariencia

345 gráfico indica áreas de correlación por correlación rojo e inversa en azul. Este tipo de exploración (IT es

sugirieron que las escalas diarios y semanales son los más relevantes para los conjuntos de datos de distribución de agua) puede indicar 346

el desarrollo de los cambios que se producen en la relación entre las dos series. Los gráficos de CWT escojan 347

tres picos anormales en la turbidez. Sobre una escala de un día (288 en el eje de longitud de onda), los datos son 348

349 altamente correlacionado como se evidencia en rojo en el gráfico de apariencia y en la trama final de los correlati en

coeficiente en la escala 288. El gráfico apariencia indica algunas zonas de los bordes donde esta relación 350

no se sostiene que se produce debido al efecto límite donde la transformada wavelet valores cercanos al 351

borde de los datos están contaminados por la naturaleza discontinua de la borde de la serie (Addison, 2002). uno 352

mecanismo para evitar este efecto es por truncamiento. Dado que ambos sensores están en bastante estrecha proximidad 353

dentro de un DMA aquí el índice está altamente correlacionado. 354

355

356 {La Figura 2 aproximadamente aquí}

357

358 Métrica

Además de buscar para examinar la correlación con la hidráulica, otros dos métricas calculadas, y en 359

en particular su posible cambio en el tiempo, se espera que sea indicativo de ensuciamiento: la deriva y la amplitud de 360

361 turbiedad.

362

sensores de turbidez son típicamente calibrados antes del despliegue, y pueden ser recalibrados después de la retirada 363

desde la red - esto permite el cálculo de la deriva con el tiempo tal que los datos pueden ser posteriormente 364

dieciséis
 corregido de acuerdo con la tasa de ensuciamiento observado durante el período de despliegue (Gaffney y Boult 365

366 2011). Este efecto deriva y problemas de inestabilidad causa de desplazamiento comparación de la información entre los diferentes

madereros, ya lo largo de períodos de tiempo más largos, los madereros tienden a desplazarse a diferentes precios y cantidades y este 367

puede reducir la confianza en valor absoluto. Una tendencia lineal podría indicar un aumento sistemático en el 368

los valores observados en el tiempo, tales como la deriva del sensor o depositar material (o incrustaciones) sobre la lente. 369

370

Con el fin de estimar un componente de tendencia sin hacer suposiciones paramétricos, un filtro puede ser utilizado para 371

transformar las series de tiempo. Un ejemplo popular de un filtro lineal es la media móvil que puede ser 372

utilizado para estimar una tendencia de movimiento lento. A simétrico (centrado) filtro de media móvil, adaptado para tratar 373

con elementos reducidos en los extremos y no altera los extremos cuando se aplica fuera de línea por lo tanto que tiene de cero 374

fase, se aplicó con una ventana semanal. a continuación, se calculó Una línea de mejor ajuste (utilizando Detrend MATLAB) 375

por semana y un gradiente calculado para esta línea para dar una NTU / día o NTU / semana figura. La figura 3 muestra 376

377 el resultado de aplicar este enfoque para los instrumentos 1 y 2 con NTU por cálculo deriva semana - Nota

que la deriva es acumulativo por semana y no una cifra total. Por lo tanto, como el apoyo de la trama de datos sin procesar (véase 378

la figura 2), podemos ver que instrumento 2 es relativamente estable en comparación con instrumento 1, que muestra 379

el aumento de la deriva en particular en las semanas 3 y 4. 380

381

382 {La Figura 3 aproximadamente aquí}

383

La métrica final para evaluar el valor de turbidez en evolución se deriva de la amplitud. Un diario 384

ciclo de turbidez puede ser más o menos evidente en los datos en función de los grados de la corrosión y 385

386 los procesos de movilización presentes (Cook 2007). Tiene el potencial de ser útiles para indicar la forma 'limpia'

(Basado en la cantidad y movilidad de material decoloración) la red es. Las redes con un mayor 387

17
 el cambio en la turbidez por día / semana podría tener una mayor incidencia de decoloración que las redes con un 388

bajar el cambio en la turbidez por día / semana. Con el fin de hacer frente a la deriva, y cualquier pico de 389 decoloración

eventos, una métrica apropiada es examinar el (imparcial) desviación estándar de la turbidez registrada por 390

391 día (o un promedio de por semana como se muestra en la figura 4 ).

392

393 {La Figura 4} aproximadamente aquí

394

395 CASO DE ESTUDIO

396

397 Descripción

Cuatro instrumentos Hydraclam (Siemens) se desplegaron en una sola DMA de una empresa de agua Reino Unido y 398

datos conectado (a los quince periodo de un minuto) durante un período de aproximadamente cuatro a seis meses. La tubería total de 399

longitud de esta área de la red es de aproximadamente 26 kilometros y con una población de 6.829 servido en el 400

DMA. El tipo de fuente de agua es principalmente tierra de la fuente (arena verde pozos de sondeo), con un poco de agua de superficie en 401

una mezcla a veces para complementar la alimentación. Por esta DMA, tipos de materiales fueron compuestas como sigue: Pieza moldeada 402

hierro (CI) (55%), hierro dúctil (DI) (20%), fibrocemento (AC) (18%) y otros materiales (principalmente 403

plásticos) es el 7% restante. La Tabla 1 proporciona los detalles del sitio (sitio A es la entrada con el flujo y 404

405 sólo los datos de presión) y la figura 5 un esquema de la DMA. En la Tabla 1, el tipo del sitio se refiere a una

clasificación subjetiva basada en la ruta de flujo - con auto-explicativo principal y ser sin salida, y 406

'Loop', refiriéndose a ubicación del instrumento en un área probable que se efectuará mediante inversiones de flujo o así llamada 'tidal 407

puntos debido a múltiples trayectorias de flujo potenciales. 408

409

410 {Tabla 1 aproximadamente aquí}

18
411

412 {La Figura 5} aproximadamente aquí

413

414 juegos y programa de actividades de Datos

Una línea de tiempo que indica la secuencia de actividades en la DMA en el período de monitorización se muestra en 415

416 La Figura 6 (las letras en el eje x indican muestreo ocurrió semanal en los meses indicado). Durante el

período de finales de noviembre hasta principios de diciembre las operaciones se llevaron a cabo de forma sistemática para vaciar el DMA en 417

un orden secuencial. Esto siguió a una gran red ráfaga aguas arriba de la DMA en una troncal externa principal en 418

principios de noviembre. Tenga en cuenta la distribución de los contactos con los clientes decoloración agrupadas en torno a la explosión de 419

evento antes de las operaciones de lavado. 420

421

422 {La Figura 6} aproximadamente aquí

423

424 RESULTADOS

425

426 detección de eventos mediante análisis de umbral automático y Canary

análisis de umbral automatizada dio lugar a 166 eventos de cambio de turbidez en total. Al examinar la 427

428 relación entre los aumentos de turbidez y cambios de presión (como un sustituto para dist hidráulico urbance),

con todos los eventos de los cuatro sitios amalgamados, como en Gaffney y Boult (2011) esta relación era de 429

encontrado a ser débil. 430

431

Sistema de detección de un evento como CANARY se puede utilizar para realizar análisis similar para la detección de 432

de turbidez y de presión eventos anormales. Se aplica aquí de una manera fuera de línea (análisis histórico, pero 433

19
 simulado en línea mediante el procesamiento en tiempo de paso de un orden serie a la vez). La Figura 7 muestra un ejemplo de 434

435 detección automática de un gran evento que resulta en la detección a través de la presión y la turbidez (para el sitio SI).

La figura 7B muestra otro clúster evento con una turbidez único cambio. En la figura 7b, caja de la línea discontinua 436

indica la única detección de cambio de turbidez durante el período. Dos detecciones tarde canario en esta 437

semana no son recogidos por el método basado umbral debido a la turbidez de diferenciación no del todo 438

inferior o igual a 0,5. Esto ilustra que EDS como CANARIO puede recoger eventos más sutiles que 439

métodos basados ​umbral. Así, un sistema CANARIO en línea tiene el potencial de permitir en tiempo real 440

la detección de la turbidez anormal y condiciones hidráulicas. Debe tenerse en cuenta que la presión es una más local 441

medición, por lo que una correlación de presión y la turbidez es probablemente debido al cambio local. Sin embargo, la turbidez 442

443 cambios podrían producirse por más lejos, incluso fuera de la DMA, en cuyo caso tendríamos EXPE CT no se

cambio de presión. Por el contrario podríamos tener un evento de presión, pero la tubería locales ha experimentado este 444

Recientemente así que no hay nuevo evento correspondiente turbidez es la experiencia. Es decir, hay tres combinaciones posibles 445

que le dice cosas diferentes sobre el evento y el estado de la red. 446

447

448 {La Figura 7a y 7b aproximadamente aquí}

449

Como se describirá en la siguiente sección, era de particular interés para evaluar cómo la frecuencia de 450

eventos turbiedad ocurrió pre y post las operaciones de lavado llevadas a cabo en la DMA (véase la figura 6 para 451

línea de tiempo). Esta información se resume en la figura 8 para el análisis de umbral tanto automatizado y 452

detecciones CANARIAS (promedio de número de eventos por semana para tener en cuenta la variable de registro 453

períodos). Es evidente que hubo una mejora significativa en la frecuencia de eventos de turbidez 454

en todos los sitios después del lavado es decir, el lavado tuvo éxito en la mejora de la calidad del agua en el corto 455

20
 término. Esto se observó a través de tanto la umbralización automatizado y detecciones Canarias. Así, el 456

beneficio de lavado (u otras intervenciones) se puede cuantificar. 457

458

459 {Figura 8 aproximadamente aquí}

460

461

462 análisis a nivel estratégico

Anteriormente, tres métricas posibles se presentaron para evaluar el estado de desarrollo de una red 463

condición en lo que respecta incrustantes usando turbidez (y un flujo / presión si está presente): hidráulico correlación 464

(Utilizando el análisis de apariencia), la deriva y la desviación estándar de la turbidez calculada por día. El caso 465

los datos del estudio se utiliza ahora para ilustrar cómo se podrían utilizar estas métricas para evaluar el estado de las tuberías 466

proporcionando potencialmente evaluación estratégica de nivel para un WDS. Los cálculos de la deriva y la norma 467

métricas de desviación ya se han esbozado. El coeficiente de correlación semblanza en la escala diaria 468

469 puede ser promediado con el fin de proporcionar una resumir índice semanal cómo correlacionado (o anti-corre lated) la

parámetro de turbidez es con otro parámetro tal como una variable hidráulico. El truncamiento de algunos datos 470

puntos se pueden aplicar para evitar efectos de contorno. De la figura 2 (diagrama de abajo), es evidente que dos 471

sensores altamente correlacionados tendrían una puntuación cercana a la unidad positiva semanal. 472

473

código Automated MATLAB fue desarrollado para La apariencia, la deriva y el análisis de ensuciamiento que incorpora 474

rutinas de comprobación de las marcas de tiempo la fecha desaparecidos, llenando pequeñas cantidades de datos que faltan (usando 475

estacional promediada de llenado) y el cálculo de las métricas. Los resultados completos de los conjuntos de datos de casos de estudio son 476

477 proporcionado en la figura 9 (períodos de disponibilidad de datos son como se indican en la figura 6). Tenga en cuenta que el eje AR gama e no

21
 idénticos entre gráficos, sin embargo, es la evolución de las métricas individuales en un sitio particular que 478

son los más significativos. 479

480

481 {Figura 9 aproximadamente aquí}

482

483

484 DISCUSIÓN

La Figura 8 muestra la eficacia del lavado (DMA de ancho) en la reducción del número de eventos de turbidez 485

en todos los sitios antes / después del lavado (eventos de decoloración se redujeron entre el 64 al 89 por ciento. 486

487

488 La Figura 9 está mostrando los tres métricas durante el mismo período total. En la Figura 9 puede ser observ ed que la

métricas calculadas proporcionan información a largo plazo (de alertas EDS) sobre cómo las mediciones de turbidez 489

están variando a ubicaciones de los sensores dentro de la DMA. La primera (izquierda) muestran cómo el terreno turbidez de referencia 490

está a la deriva con el tiempo y el siguiente indica la variación diaria de la turbidez media. Las dos parcelas de la 491

derecha muestran cómo la correlación, en una escala diurna, varía de tiempo durante entre la presión 492 turbidez y i)

medido en el mismo punto (condiciones puramente locales) ii) flujo en la entrada DMA (turbidez locales correlacionada 493

con el nivel de DMA). Estos dos últimos están inversamente relacionadas por razones obvias. Se ha postulado que 494

partes de una red con mayor correlación turbidez con el cambio diurno de flujo (o superior anti- 495

correlación con el cambio diurna presión) podría tener una mayor incidencia de decoloración de los 496

partes de la red sin. En la Figura 9 se indica el inicio del período de lavado de dos semanas. 497

En consecuencia podemos evaluar cómo el rubor afectó la correlación apariencia por sitio. Podemos 498

concluir un beneficio se observó en todos los sitios, aunque la magnitud de este beneficio varió. 499

500

22
501 Para los sitios B y D (que se encuentra en la red centrales) podemos ver un efecto positivo en la apariencia cor relación

502 es decir, después de que el lavado vemos una correlación positiva reducida entre la turbidez y el flujo de entrada (reflejado en

la apariencia presión local). Esto indica que estos sitios se beneficiaron considerablemente de lavado. en 503

Por el contrario, dos sitios tenían poco cambio beneficioso en su positivo (negativo) la turbidez a fluir (presión) 504

correlaciones después de lavado (C y E). En la Tabla 1 vemos que el sitio C tiene baja / posiblemente inversa de flujo y es 505

situado en una zona en bucle de la red. Sitio E en el callejón sin salida norte de la red es probable que sufren 506

de estancamiento a la inspección de su mínimo y caudales máximos de la Tabla 1. Estos resultados 507

apoyar el concepto de que la turbidez es muy específico segmento de tubo y está estrechamente relacionado con el tipo de tubería 508

el material, la condición de la tubería y las características del sitio locales. Estos factores dan como resultado una variación significativa 509

en el comportamiento de los eventos de decoloración dentro de la misma red. Las técnicas presentadas aquí si 510

implementado como sistemas automatizados para monitorización de estado tienen el potencial de permitir la inferencia de 511

degradación de activos con el tiempo. 512

513

514 CONCLUSIONES

Este trabajo ha explorado técnicas automatizadas para la evaluación y la interpretación de serie de tiempo la calidad del agua 515

datos de los sistemas de distribución de agua. A través de análisis automatizado avanzado se ha demostrado que la alta 516

datos de resolución de turbidez pueden proporcionar una fuente de datos para evaluar el riesgo de manera proactiva fouling, incidencia de 517

518 deterioro decoloración y potencialmente activo: todo antes de la decoloración impactar al cliente. UNA

metodología novedosa apariencia, originarios de otro campo, se aplicó por primera vez a WDS agua 519

datos de calidad. Su uso para la evaluación de medida de turbidez en el tiempo junto con su correlación con locales 520

la hidráulica, en particular, el perfil diurno, se presentó. Otras técnicas clave que se encuentran para ser valiosa 521

incluir la evaluación de la deriva y la evaluación de los cambios en el patrón diurno con el tiempo. Las herramientas de software 522

23
 se aplicaron a un conjunto de datos de DMA para cuatro instrumentos de un sistema de distribución UK revelando el 523

eficacia de la pre análisis y lavado posterior. Los hallazgos incluyeron: 524

525 • EDS se puede usar ventajosamente para combinar datos de calidad hidráulico y agua y producir

526 resultados de detección mejoradas (por ejemplo, con sistemas tales como Canarias).

527 • Una mejora significativa en la frecuencia de eventos de turbidez en todos los sitios después del lavado

528 se observó es decir, el lavado tuvo éxito en la mejora de la calidad del agua en el corto plazo, por lo tanto

529 el beneficio de rubor (u otras intervenciones) se puede cuantificar. Para el caso de estudio, el enrojecimiento

530 programa redujo eventos decoloración por entre el 64 al 89 por ciento.

531 • análisis apariencia indica los cambios en el coeficiente de correlación como una función del tiempo y

532 longitud de la ventana que permite un análisis más detallado para identificar la sincronización y la duración de los cambios en

533 estado de las tuberías. Uno no necesita conocer a priori la fluctuación en diferentes escalas o la

534 magnitud exacta de dichos cambios. No se observaron cambios en la correlación de fuerza en locales

535 algunos de los sitios de estudio de casos después de lavar y puede proporcionar información sobre la red operativa

536 condiciones.

537 • Los resultados apoyan el concepto de que la turbidez es muy específico segmento de tubo y está estrechamente relacionado

538 a material de la tubería, el estado y las características del sitio locales. Estos factores dan como resultado significativo

539 variación en el comportamiento de los eventos de decoloración dentro de la misma red.

540

Los beneficios para estos enfoques incluyen: 541

542 • Casi en tiempo real información de la calidad del agua de la red vinculada a los sensores en línea y adquisición de datos

543 sistemas

544 • El análisis apariencia sofisticada permite el análisis de los datos de calidad del agua se combina con una HY draulic

545 o la señal de funcionamiento dentro de las redes de agua. La metodología permite el análisis que es sensible

24
546 suficiente para inferir el estado del sistema antes de la aparición de niveles de clientes impactando de

547 decoloración.

548 • El conjunto de métricas que aquí se presenta permite una evaluación de la eficacia de lavado a nivel tubería

549 • El potencial de una herramienta operativa línea estratégica - en particular la incorporación de la escala al día durante

550 análisis basado métrica. Analizar cómo cambian estas métricas durante un período semanal / mensual podría

551 permitir el seguimiento de activos deterioro / degradación y la evaluación proactiva y selección de

552 opciones de intervención.

553

554 AGRADECIMIENTOS

Este trabajo fue apoyado por el proyecto Pipe Dreams (EP / G029946 / 1), financiado por el Reino Unido y Ciencia 555

Consejo de Investigación de Ingeniería. Los autores desean agradecer el sudeste de agua - en especial Neil 556

Hudson y Benjamin Smith - y Evoqua Water Technologies Ltd para el acceso al terreno y suministro de datos. 557

558

559 Referencias

560

Addison, PS (2002). “ El Illustrated Wavelet Transform Handbook, Teoría de introducción y 561

562 Aplicaciones en Ciencia, Ingeniería, Medicina y Finanzas ”, Institute of Physics Publishing, Londres.

563

Blokker, MJ, Schaap, PG y Vreeburg, JHG (2011). “Al comparar la tasa de ensuciamiento de bebida 564

565 sistema de distribución de agua en dos configuraciones diferentes”. En la Gestión del Agua Urbana: desafíos y

Oportunidades, Exeter, Reino Unido, 2011. 566

567

25
568 Boxall, JB, y Saul, AJ (2005). “ Modelado de decoloración en crisol sistemas de distribución de agua capaces”.

Diario de Ingeniería Ambiental ASCE, 131 (5), 716-725. 569

570

Cook, D. (2007). “ investigación de campo de las tasas de acumulación de material decoloración en el agua potable en directo 571

572 sistemas de distribución de agua ”. Tesis doctoral, Universidad de Sheffield.

573

574 Cook, D. y Boxall, J. (2011). “ La decoloración del material de acumulación en la distribución de los Sistemas de Agua ”.

575 J. Pipeline Syst. Ing. Pract., 2 (4), 113 - 122.

576

577 Cooper, GRJ, Cowan, DR (2008). “ La comparación de series de tiempo utilizando apariencia basada en ondas

análisis ”. Computadora y Ciencias de la Tierra, 34, 95-102. 578

579

580 Daubechies, I. (1988). “ bases ortonormal de wavelets soporte compacto ”. Comm. Pure Appl. Matemáticas.,

581 41, 906-966.

582

583 Douterelo, I., Sharpe, RL y Boxall, JB (2013). “ Influencia de los regímenes hidráulicos en bacteriana

584 estructura de la comunidad y la composición en un sistema de distribución de agua potable experimental ”. Agua

Investigación, 47, 503-516. 585

586

DWI. Informe anual 2012: Carta al ministro - Inglaterra. Informe técnico, Inspección de Agua, 587 Beber

2013b. URL http://dwi.defra.gov.uk/about/annual-report/2012/letter-english.pdf. 588

589

26
590 EPA (2010). “Calidad Sistemas de detección de eventos agua para beber Advertencia contaminación del agua

Sistemas: desarrollo, prueba y aplicación de Canarias “. EPA / 600 / R- 10/036, Washington, DC. 591

592 http://www.epa.gov/o rd .

593

594 Furnass, WR, Mounce, SR y Boxall, J. B (2013). “ La vinculación de los problemas de calidad de agua del sistema de distribución

595 a posibles causas a través de vías hidráulicas ”. Journal of Environmental Modelling y software, 40, 78-

596 87.

597

598 Furnass, WR, Collins, RP, Esposo, PS, Mounce, SR y Boxall, JB (2014). “ modelar tanto

599 la erosión continua y la regeneración del material de cambio de color en los sistemas de distribución de agua potable ”.

IWA Ciencia y Tecnología del Agua: abastecimiento de agua, 14 (1), 81-90. 600

601

602 Gaffney, JW, Boult, S. (2011). “ La necesidad y el uso de alta resolución Turbidez Monitoreo en

603 La gestión de decoloración de Distribución ”. Journal of Environmental Engineering, 1, 416 - 416.

604

605 Haar, A. (1910). “ Zur Theorie der orthogonalen Funktionensysteme ”. Matemáticas. Ann., 69, 331-371.

606

607 Hamao, Y., Masulis, RW y Ng, V. (1990). “ Las correlaciones en cambios de precios y volatilidad en

608 Internacional de Bolsas de Valores ”, La Revisión de Estudios Financieros, 3 (2 ).

609

610 Hansen, Bruce, E., (2001). “ La nueva economía del cambio estructural: Breaks Citas en Trabajo de EE.UU.

Productividad ”, El Journal of Economic Perspectives, 15 (4), 117-128. 611

612

27
 Hart, DB, y McKenna, SA (2009). del manual de usuario Canarias, versión 4.1, EPA / 600 / R- 08 / 040A, 613

614 Agencia de Protección Ambiental de Estados Unidos, Oficina de Investigación y Desarrollo, hogar nacional

Centro de Investigación de Seguridad, Cincinnati, OH. 615

616

617 PS marido, Box todos los JB y Saul AJ (2008) “ Los estudios de laboratorio para investigar los procesos que conducen

a la decoloración en las redes de distribución de agua”. Water Research, 42 (16), 4.309 a 4.318. 618

619

620 Marido, PS y Boxall, JB (2011). “ deterioro de activos y la decoloración en la distribución de agua

sistemas ”. Water Research, 45, 113-124. 621

622

623 Husband, PS, Jackson, M. y Boxall, J. (2011). “ Ensayos tronco principal de decoloración y Estratégica

Planificación ”. Actas de informática y control para la industria del agua (CCWI), Exeter, 5 / séptimo 624

625 Septiembre.

626

627 Khan, A., Widdop PD, Día, AJ, Madera, AS, Mounce, SR, Machell. J. (2005). “ Actuación

628 evaluación de sensores de fallo de detección de fugas utilizado en un sistema de distribución de agua ”. Diario de Agua

629 Suministro: Investigación y Tecnología - AQUA, 54 (1), 25-36.

630

631 Lehtola, MJ, Nissinen, TK, Miettinen, TI, Martikainen, PJ y Vartiainen, T. (2004). "Eliminación

632 de los depósitos blandos del sistema de distribución mejora la wa potable ter calidad”. Investigación del agua ,

633 38 (3), 601 - 610.

634

635 Mallat, S. (1998). “ Un Wavelet Información de Procesamiento de Señales ”, Academic Press, Nueva York.

28
636

637 Masters, T. (1995). “ Neural, nuevos e híbridos algoritmos para la predicción de series de tiempo ”. John Wiley &

Sons, Nueva York. 638

639

640 McKenna, SA, Klise, KA, y Wilson, MP (2006). “Detección de cambio de la calidad del agua de Pruebas

algoritmos “. Proc., Octavo de distribución de agua Anual Sistemas Simposio Análisis, ASCE, Reston, VA. 641

642

643 Mounce, SR, Boxall, JB y Machell, J. (2010). “ Desarrollo y verificación de una línea

644 Sistema de inteligencia artificial para la detección de la explosión en la distribución Water Systems ”. ASCE agua

Planificación y Gestión de Recursos, 136 (3), 309-318. 645

646

647 Mounce, SR, Machell, J. y Boxall, JB (2012). “ detección de eventos de calidad del agua y el cliente

648 análisis de la queja agrupación en sistemas de distribución ”. IWA Revista de Ciencia y Tecnología del Agua:

Suministro de agua, 12 (5), 580-587. 649

650

651 Sekar R., Deines P., J. Machell, Boxall JB, Biggs CA y Osborn AM (2012). “ agua bacteriana

de calidad y de red características hidráulicas: Un estudio de campo de un sistema, la distribución de agua pequeña en bucle 652

653 utilizando métodos moleculares cultura independiente ”. Journal of Applied Microbiology, 112 (6), 1220-1234.

654

655 Sharpe, RL, Smith, CJ, Biggs, CA y Boxall, JB, (2010). “ investigaciones de laboratorio a escala piloto

656 sobre el impacto de acondicionamiento hidráulico de estado estacionario en la decoloración del agua potable ”. Procedimientos de

11 Simposio Internacional Anual sobre Análisis de Sistemas de Distribución de Agua, Arizona, EE.UU., 657

658 Septiembre.

29
659

660 Teolis, A., 1998. “ Procesamiento de Señales computacional con Wavelets ”. Birkhauser Boston Inc., Boston,

661 MA, 352pp.

662

Torrence, C. y Compo, GP (1998). “Una guía práctica para el análisis wavelet”. Boletín de la American 663

664 Meteorological Society, 79, 61 - 78.

665

666 von Frese, RRB, Jones, MB, Kim, JW y Kim, JH (1997). “ El análisis de las correlaciones de anomalías ”.

667 Geofísica, 62 (1), 342 - 351.

668

UKWIR (2013). “ Análisis de rentabilidad de recopilación de datos ubicua en la distribución de agua - CBA 669

670 escenarios ”. 13 / DW / 12/2 - ISBN: 1 84057 692 8.

671

672 Vreeburg, J. (2007). “ La decoloración en sistemas de agua potable: un enfoque particular, ”. Técnico

La Universidad de Delft. PhD: 183. 673

674

675 Vreeburg, J. y Boxall, JB (2007). “ La decoloración en el agua potable sistemas de distribución: una revisión”.

Investigación del Agua, 41 (3), 519-529. 676

677

678

679

680

681

30
682 leyendas de las tablas:

Tabla 1: Sitio características para estudio de caso 683

684

685 Mesas
686
687
688 Tabla 1: Características de la del sitio de estudio de caso

Sitio Distancia desde Flujo Flow Diámetro del material de la materiales de tuberías a Tipo
la entrada (km) Min (l / Max (l / tubo (mm) tubería en el través del sistema

s) s) sitio

si 1.18 0.28 1.71 150 CI predominantemente CI Principal

C 1.90 - 0.03 0,16 150 CI Predominantemente CI, Lazo

algunos DI
re 1.96 0.27 1,48 150 CI Predominantemente CI, Principal

algunos DI
mi 2.74 0.08 0,4 100 C.A. Predominantemente CI, algunos Callejón sin

de CA salida

689

690

691

692

693

31