haku: @keyword data-analyysi / yhteensä: 21
viite: 4 / 21
| Tekijä: | Pasonen, Kukka |
| Työn nimi: | Eteläisen Espoon runkoviemärin vuotovesiselvitys data-analyysin avulla |
| Infiltration/inflow investigation of the main sewer line in southern Espoo using data analysis | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2016 |
| Sivut: | 85 s. + liitt. 2 Kieli: fin |
| Koulu/Laitos/Osasto: | Insinööritieteiden korkeakoulu |
| Oppiaine: | Vesi- ja ympäristötekniikka (R3005) |
| Valvoja: | Vahala, Riku |
| Ohjaaja: | Laakso, Tuija ; Lampola, Tiia |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201603291570 |
| Sijainti: | P1 Ark Aalto 3574 | Arkisto |
| Avainsanat: | sewer leak data analysis sewage flow rain inflow infiltration sea water linear regression analysis correlation cross correlation lineaarinen regressioanalyysi data-analyysi jätevesi vuoto viemäri |
| Tiivistelmä (fin): | Vuoto- ja hulevedet kasvattavat jätevesivirtaamaa ja nostavat siten puhdistuskustannuksia, laskevat puhdistustehokkuutta ja aiheuttavat ympäristöhaittoja verkostotulvien ja ohijuoksutusten yhteydessä. Tämän työn aiheena oli tutkia, voiko data-analyysillä selvittää vuoto- ja hulevesien määrää ja lähteitä jätevesiverkostoissa. Tavoitteena oli luoda pohja mallille, jota voidaan käyttää tulevaisuudessa vesilaitoksen koko toiminta-alueen vuotavuuden kartoittamiseen. Lähtötietoina työssä käytettiin jätevesipumppaamoiden valuma-alueiden sadetutkatietoja, jätevesivirtaamaa sekä meriveden korkeustietoja. Näitä vertaamalla pyrittiin löytämään alueet, joilla lähtötietojen väliset riippuvuudet olivat korkeimmillaan. Tutkittuja menetelmiä verrattiin virtaama- ja sadetiedoista visuaalisesti tehtyihin arvioihin vuoto- ja hulevesistä. Työssä käytettiin kahta analyysimenetelmää: ristikorrelaation ja korrelaation yhdistelmää sekä lineaarista regressioanalyysiä. Ristikorrelaatiolla pyrittiin löytämään sateen ja virtaaman ajallinen yhteys, minkä jälkeen sadetietoja viivytettiin tulosten perusteella. Tämän jälkeen laskennallisesti viivytettyä sadetietoa verrattiin uudelleen jätevesivirtaamaan korrelaatiotestillä. Tässä menetelmässä eniten vuotavalla alueella tulisi olla suurin korrelaatiokerroin. Toisessa käytetyssä menetelmässä selitettiin tuntikohtaista jätevesivirtaamaa sateella, meriveden korkeudella, yläjuoksun pumppaamon virtaamalla, kellonajalla sekä viikonpäivällä. Sateesta, merivedestä ja virtaamasta muodostettiin selittäjiä vähintään 24 viimeksi mitatulle arvolle, jotta malliin saataisiin mukaan selittäjien sekä mallinnetun virtaaman ajallinen yhteys. Lisäksi selvitettiin mallin toimivuutta regressiodiagnostiikan avulla. Lineaarisen regression avulla saatiin käsitystä alueellisesta vuotavuudesta ja apua ilmiön ymmärtämisessä. Valituilla selittäjillä oli selvästi vaikutusta virtaamaan. Lineaarisen mallin oletukset eivät kuitenkaan toteutuneet, jolloin selittäjien ja selittäjän välisiä riippuvuuksia ei voitu määrittää luotettavasti. Tulevaisuudessa on suositeltavaa testata jotain epälineaarista regressiomenetelmää. Ristikorrelaation ja korrelaation yhdistelmä ei sen sijaan toiminut, sillä se oli liian yksinkertaistettu malli prosessista. |
| Tiivistelmä (eng): | Rain-derived infiltration and inflow increase the flow in sewers and as a consequence raise the treatment expenses, decrease the efficiency of the treatment, and cause harm to the environment when sewer overflows occur or when sewage is redirected past the treatment plant. Consequently this thesis investigates whether data analysis could be utilized as a tool to analyze the infiltration and inflow in sewers on a broad scale. The goal of this was to create the basis for a model that could be employed to map the infiltration and inflow on areas of operation of large water utilities. Radar information regarding rainfall, sewage flow, and sea levels for each pumping stations' water basin were used as initial data. By comparing these with each other, the dependencies were estimated between the variables. The results of this were compared to a visual analysis of the flow and rain time series. Two different data analysis methods were tested in this thesis. The first one was a combination of cross-correlation and correlation, and the second was a linear regression analysis. The cross-correlation was employed to examine the time-related dependency between sewer flow and rain data. After the rain data was delayed according to the findings, it was again compared to the sewage flow. Here, a correlation test was applied in the analysis. The water basin with the largest inflow/infiltration rate should have the largest correlation coefficient. In the second method, the sewer flow was predicted as a variable depending on the flow data for the up-stream pumping station, rain data, sea levels, day of the week and, time of the day. At least 24 delayed data sets for the flow, rain and sea level data were applied as explanatory variables to account for the time dependencies between the variables and the sewer flow. Additionally, the residuals were studied for their structure and autocorrelation. From these methods, the linear regression analysis showed promise although some explanatory variables were not included in the models. These variables could include, for example, the number, operating frequency, and operating time of the running pumps; the level of ground water; the levels of the surface waters; and the seasonal effect. However, the method provided realistic results and will be further developed. The usage of the combination of cross-correlation and correlation did not function as it represents an overly simplified version of the process. |
| ED: | 2016-04-17 |
INSSI tietueen numero: 53382
+ lisää koriin
INSSI