Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa systemaattinen kirjallisuuskartoitus

Tämä pro gradu -tutkielma vastaa kysymykseen ”Kuinka paljon ja minkälaista tutkimusta on tehty koneoppimisen hyödyntämisestä vesijohtoverkostojen vuotojen hallinnassa?”. Tutkimusmenetelmänä käytettiin systemaattista kirjallisuuskartoitusta, joka sekundäärisenä tutkimusmenetelmänä pyrkii tutkimusalue...

Full description

Bibliographic Details
Main Author: Holopainen, Ville
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Master's thesis
Language:fin
Published: 2022
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/84073
_version_ 1828193055190024192
author Holopainen, Ville
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Holopainen, Ville Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Holopainen, Ville Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Holopainen, Ville
datasource_str_mv jyx
description Tämä pro gradu -tutkielma vastaa kysymykseen ”Kuinka paljon ja minkälaista tutkimusta on tehty koneoppimisen hyödyntämisestä vesijohtoverkostojen vuotojen hallinnassa?”. Tutkimusmenetelmänä käytettiin systemaattista kirjallisuuskartoitusta, joka sekundäärisenä tutkimusmenetelmänä pyrkii tutkimusalueen jäsentämiseen. Tutkimuksessa tunnistettiin ja luokiteltiin yhteensä 80 koneoppimiseen ja vesijohtoverkostojen vuotojen hallintaan liittyvää tutkimusta ajalta 1/2012- 5/2022. Vuosittaisten julkaisumäärien perusteella aiheen tutkiminen on ollut aktiivista ja kasvanut vuodesta 2017 lähtien. Julkaisufoorumien (ml. julkaisupaikkatyypit ja julkaisijat) hajanaisuudesta päätellen aihetta tutkitaan laajalla rintamalla eri tiedeyhteisöissä. Lähes kaikki luokitellut tutkimukset olivat validointitutkimuksia, mikä viittaa siihen, että tutkimustoiminta on vielä teoreettisella tasolla. Viime vuosina suosituimmat koneoppimismenetelmät pohjautuivat neuroverkkoihin, mikä vastaa koneoppimisen yleistä kehityssuuntaa. Käyttötarkoituksen perusteella koneoppimista hyödynnettiin erityisesti vuotojen tunnistamiseen ja/tai paikantamiseen. Koneoppimismallien lähtötietona käytettiin pääasiassa putkiston painetietoa, mutta myös virtaama-, ääni- ja värinätietoja. This Master’s thesis answers the question ”How much and what kind of research has been done on the utilization of machine learning in the management of leaks in water supply networks?”. Systematic mapping study was used as the research method, which is a secondary research method that aims to structure research areas. A total of 80 studies related to the research topic from the period of 1/2012-5/2022 were identified and classified in the study. Based on the annual number of publications research on the topic has been active and growing since 2017. The scatteredness of the publication venues (incl. venue types and publishers) indicates that the topic is being studied in various scientific communities. Almost all the studies were validation studies, which suggests that the research is still on a theoretical level. In accordance with the general machine learning trends, the most popular machine learning methods were based on neural networks. The reason to use machine learning was mainly to identify and/or locate leaks. Especially pressure, but also flow, sound and vibration data were used as input data for machine learning algorithms.
first_indexed 2022-11-25T21:00:36Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Honkanen, Risto", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.advisor", "value": "Harjumaa, Lasse", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Holopainen, Ville", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2022-11-25T06:42:44Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2022-11-25T06:42:44Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2022", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/84073", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "T\u00e4m\u00e4 pro gradu -tutkielma vastaa kysymykseen \u201dKuinka paljon ja mink\u00e4laista tutkimusta on tehty koneoppimisen hy\u00f6dynt\u00e4misest\u00e4 vesijohtoverkostojen vuotojen hallinnassa?\u201d. Tutkimusmenetelm\u00e4n\u00e4 k\u00e4ytettiin systemaattista kirjallisuuskartoitusta, joka sekund\u00e4\u00e4risen\u00e4 tutkimusmenetelm\u00e4n\u00e4 pyrkii tutkimusalueen j\u00e4sent\u00e4miseen. Tutkimuksessa tunnistettiin ja luokiteltiin yhteens\u00e4 80 koneoppimiseen ja vesijohtoverkostojen vuotojen hallintaan liittyv\u00e4\u00e4 tutkimusta ajalta 1/2012- 5/2022. Vuosittaisten julkaisum\u00e4\u00e4rien perusteella aiheen tutkiminen on ollut aktiivista ja kasvanut vuodesta 2017 l\u00e4htien. Julkaisufoorumien (ml. julkaisupaikkatyypit ja julkaisijat) hajanaisuudesta p\u00e4\u00e4tellen aihetta tutkitaan laajalla rintamalla eri tiedeyhteis\u00f6iss\u00e4. L\u00e4hes kaikki luokitellut tutkimukset olivat validointitutkimuksia, mik\u00e4 viittaa siihen, ett\u00e4 tutkimustoiminta on viel\u00e4 teoreettisella tasolla. Viime vuosina suosituimmat koneoppimismenetelm\u00e4t pohjautuivat neuroverkkoihin, mik\u00e4 vastaa koneoppimisen yleist\u00e4 kehityssuuntaa. K\u00e4ytt\u00f6tarkoituksen perusteella koneoppimista hy\u00f6dynnettiin erityisesti vuotojen tunnistamiseen ja/tai paikantamiseen. Koneoppimismallien l\u00e4ht\u00f6tietona k\u00e4ytettiin p\u00e4\u00e4asiassa putkiston painetietoa, mutta my\u00f6s virtaama-, \u00e4\u00e4ni- ja v\u00e4rin\u00e4tietoja.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "This Master\u2019s thesis answers the question \u201dHow much and what kind of research has been done on the utilization of machine learning in the management of leaks in water supply networks?\u201d. Systematic mapping study was used as the research method, which is a secondary research method that aims to structure research areas. A total of 80 studies related to the research topic from the period of 1/2012-5/2022 were identified and classified in the study. Based on the annual number of publications research on the topic has been active and growing since 2017. The scatteredness of the publication venues (incl. venue types and publishers) indicates that the topic is being studied in various scientific communities. Almost all the studies were validation studies, which suggests that the research is still on a theoretical level. In accordance with the general machine learning trends, the most popular machine learning methods were based on neural networks. The reason to use machine learning was mainly to identify and/or locate leaks. Especially pressure, but also flow, sound and vibration data were used as input data for machine learning algorithms.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2022-11-25T06:42:44Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2022-11-25T06:42:44Z (GMT). No. of bitstreams: 0\n Previous issue date: 2022", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "74", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.format.mimetype", "value": "application/pdf", "language": null, "element": "format", "qualifier": "mimetype", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "systemaattinen kirjallisuuskartoitus", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "vesijohtoverkosto", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Koneoppimisen hy\u00f6dynt\u00e4minen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202211255344", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietotekniikka", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Mathematical Information Technology", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "602", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "vuodot", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "neuroverkot", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.format.content", "value": "fulltext", "language": null, "element": "format", "qualifier": "content", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}, {"key": "dc.type.okm", "value": "G2", "language": null, "element": "type", "qualifier": "okm", "schema": "dc"}]
id jyx.123456789_84073
language fin
last_indexed 2025-03-31T20:02:16Z
main_date 2022-01-01T00:00:00Z
main_date_str 2022
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/04c388ad-4b3c-4517-9574-175b7a7653e8\/download","text":"URN:NBN:fi:jyu-202211255344.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2022
record_format qdc
source_str_mv jyx
spellingShingle Holopainen, Ville Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus systemaattinen kirjallisuuskartoitus vesijohtoverkosto Tietotekniikka Mathematical Information Technology 602 vuodot koneoppiminen tekoäly neuroverkot
title Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus
title_full Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus
title_fullStr Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus
title_full_unstemmed Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus
title_short Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa
title_sort koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa systemaattinen kirjallisuuskartoitus
title_sub systemaattinen kirjallisuuskartoitus
title_txtP Koneoppimisen hyödyntäminen vesijohtoverkostojen vuotojen hallinnassa : systemaattinen kirjallisuuskartoitus
topic systemaattinen kirjallisuuskartoitus vesijohtoverkosto Tietotekniikka Mathematical Information Technology 602 vuodot koneoppiminen tekoäly neuroverkot
topic_facet 602 Mathematical Information Technology Tietotekniikka koneoppiminen neuroverkot systemaattinen kirjallisuuskartoitus tekoäly vesijohtoverkosto vuodot
url https://jyx.jyu.fi/handle/123456789/84073 http://www.urn.fi/URN:NBN:fi:jyu-202211255344
work_keys_str_mv AT holopainenville koneoppimisenhyödyntäminenvesijohtoverkostojenvuotojenhallinnassasystemaattinenk