DETECÇÃO DE VAZAMENTOS EM REDES DE ABASTECIMENTO DE ÁGUA UTILIZANDO MACHINE LEARNING

Este estudo analisou a performance do algoritmo Decision Tree na detecção de vazamentos na rede de distribuição de água hipotética Net-1. Foram explorados experimentos com variáveis individuais e suas combinações usando a base de dados LeakDB. Análises comparativas incluíram curvas de aprendizado e validação cruzada estratificada para avaliar treinamento e teste do algoritmo, bem como evidências de overfitting. A performance foi medida utilizando as métricas: precisão, acurácia, recall, pontuação F1 e matriz de confusão. O experimento mais promissor foi o que combinou pressão, vazão e demanda e alcançou métricas de precisão de 96,64%, acurácia de 97,5%, recall de 100% e F1 de 98,29%. A variável demanda, destacou-se como crucial no desempenho do modelo. A implementação de machine learning no saneamento básico mostrou-se promissora, entretanto existem limitações na coleta e tratamento de dados.