热点事件持续更新
基于GNN的供水管网多泄漏定位新方法发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究人员在arXiv发布成果，提出一种基于图神经网络（GNN）的模型，可在稀疏压力传感器监测条件下定位供水管网中数量可变的多处同时泄漏。该模型无需预先指定泄漏数量或穷举泄漏位置组合。在31个节点的Hanoi与92个节点的NET3基准网络测试中，该模型准确率相比多层感知机、支持向量机、K近邻及随机森林分类器分别最高提升12%和20%，验证了该方法的扩展性。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究人员提出基于GNN的模型，在基准测试中多泄漏定位准确率最高提升20%。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习基于图神经网络实现供水管网多处泄漏定位
研究人员提出一种基于图神经网络（GNN）的模型，能在稀疏压力传感器监测下定位供水管网中数量可变的多处同时泄漏，且无需预先指定泄漏数量或穷举泄漏位置组合。在 31 节点的 Hanoi 与 92 节点的 NET3 基准网络测试中，该模型准确率相比多层感知机、支持向量机、K 近邻和随机森林分类器分别最高提升 12% 和 20%，验证了该方法的扩展性。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。