
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Rolle, Rodrigo P. | - |
| Autor(es): dc.creator | Rodrigues, Weliton C. | - |
| Autor(es): dc.creator | Tomazini, Lucas R. | - |
| Autor(es): dc.creator | Monteiro, Lucas N. | - |
| Autor(es): dc.creator | Godoy, Eduardo P. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:46:09Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:46:09Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/MetroInd4.0IoT61288.2024.10584129 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308101 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308101 | - |
| Descrição: dc.description | In recent years, the technological resources of the Digital Era have been employed to improve sustainability, especially in the cities. As the global population increases and moves to urban areas, there is a growing need for utilities such as water, electricity, gas, and others. The current Smart City concept is strongly tied to Information and Communication Technology (ICT) towards improving sustainability and ensuring efficient usage of scarce resources in the urban area. This paper intends to evaluate Graph Neural Networks (GNN), a class of graph-based Deep Learning algorithms, to detect and locate water leakage under the data availability restrictions of Low Power Wide-Area Networks (LPWAN), a popular class of wireless sensor networks in IoT/Smart Cities applications. A case study Water Distribution Network (WDN) was developed to obtain data for training and validation. Also, linear regression was employed to minimize the number of sensor nodes, aiming to reduce implementation costs. The results indicate that the graph-based approach tied with linear regression in intermediate nodes can provide up to 80% accuracy, even under the data restrictions of LPWAN. Also, the usage of linear regression improved the mean accuracy of the GNN algorithm by approximately 18% in all three simulated cases in comparison to the situation without data from intermediate (junction) nodes, even with 37% fewer sensor nodes available. | - |
| Descrição: dc.description | São Paulo State University (UNESP) | - |
| Descrição: dc.description | São Paulo State University (UNESP) | - |
| Formato: dc.format | 192-197 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | 2024 IEEE International Workshop on Metrology for Industry 4.0 and IoT, MetroInd4.0 and IoT 2024 - Proceedings | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Graph Learning | - |
| Palavras-chave: dc.subject | Leakage Localization | - |
| Palavras-chave: dc.subject | LP-WAN | - |
| Palavras-chave: dc.subject | Smart Cities | - |
| Título: dc.title | Leveraging graph-based leak localization in water distribution networks | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: