Machine learning kan finde de mest slidte kloakledninger

26. november 2019 kl. 06:52
Kloak
Illustration: mulderphoto/Bigstock.
Machine learning og anden AI har et kæmpe potentiale for besparelser i den danske vandsektor, viser både forskning og konkrete projekter. Har man f.eks. pålidelige oplysninger for en del af ledningsnettet, kan machine learning hjælpe med at fylde huller i data – og dermed give et bedre billede af, hvor man bør tv-inspicere først.
Artiklen er ældre end 30 dage
Manglende links i teksten kan sandsynligvis findes i bunden af artiklen.

Hvilke ledninger er ved at være nedslidte?

Svaret på det spørgsmål er langtfra altid baseret på et solidt datagrundlag. Og det er mildt sagt uhensigtsmæssigt, for danske forsyningsselskaber bruger hvert år tæt på ni milliarder kroner på at vedligeholde vand- og spildevandsnettet.

Få fuld adgang til DataTech

DataTech er til professionelle, der arbejder med data og analytics.

Få 3 uger gratis prøve abonnement til DataTech. Betalingskort er ikke påkrævet, og du vil ikke blive flyttet til et betalt abonnement efterfølgende.

Du kan også få tilsendt et tilbud til dig.

Abonnementsfordele
vpn_key
Fuld adgang til DataTech
Alt indhold på DataTech er åbent for dig, så du kan nyde det fra din computer, tablet eller mobil.
drafts
Kuraterede nyhedsbreve
Nyheder, interviews, tendenshistorier og meget mere, leveret til din indbakke.
Adgang til andre medier
Hver måned får du 6 klip, som kan bruges til permanent at låse op for indhold på vores andre medier.
thumb_up
Adgang til debatten
Deltag i debatten med andre professionelle.
Ingen kommentarer endnu.  Start debatten
Debatten
Log ind eller opret en bruger for at deltage i debatten.
settingsDebatindstillinger