Methodology for Classifying the Structural State of Uninspected Pipes in Sewer Networks Based on Support Vector Machines

• Autores: Nathalie Hernández, Miguel Cañon, Andrés Torres
• Localización: Ingeniería e Investigación, ISSN-e 2248-8723, ISSN 0120-5609, Vol. 42, Nº. 2, 2022
• Idioma: inglés
• Títulos paralelos:
  • Metodología para clasificar la condición estructural de tuberías no inspeccionadas de las redes de alcantarillado basada en máquinas de soporte vectorial
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El crecimiento casi descontrolado de las ciudades ha puesto una creciente presión en los hidrosistemas urbanos en términos de cambio climático, contaminación ambiental, limitaciones presupuestales y envejecimiento de la infraestructura. Por lo tanto, la exploración de diferentes métodos para clasificar y evaluar la condición estructural de los alcantarillados ha adquirido gran importancia, dado que estos pueden ser utilizados para herramientas de apoyo para planes de gestión proactiva. Este trabajo presenta un método para predecir y clasificar la condición estructural de tuberías de alcantarillado no inspeccionadas usando Máquinas de Soporte Vectorial basado en las características físicas, edad y ubicación geográfica de las tuberías. De acuerdo con los resultados, la metodología: (i) clasificó correctamente más del 75 % de tuberías no inspeccionadas; (ii) identificó las tuberías que estaban en condiciones estructurales críticas, con errores de predicción de baja importancia para el 69 % de las tuberías; y (iii) proporcionó una guía para establecer el número o porcentaje de tuberías que requieren inspección o intervención.

  • English

    The nearly unmitigated growth of cities has placed ever-greater pressure on urban water systems regarding climate change, environmental pollution, resource limitations, and infrastructure aging. Therefore, the development of methods to classify and assess the structural state of urban drainage infrastructure becomes very important, given that they can be used as support tools for proactive management plans. This paper presents a method for predicting and classifying the structural state of uninspected sewer pipes using Support Vector Machines, based on the physical characteristics, age, and geographical location of the pipes. According to the results, the methodology: (i) correctly classified more than 75% of uninspected pipes; (ii) identified pipes in critical structural states, with low importance prediction error for 69% of pipes; and (iii) provided a guide for establishing the number or percentage of pipes that require inspection or intervention.