Unsupervised acoustic anomaly detection for leakage identification in water distribution system

비지도 학습 기반 음향 이상 감지를 통한 상수관망 누수 탐지 기법 연구

Leakage in water distribution networks (WDNs) causes significant loss of water resources and infrastructure damage, prompting the development of various detection technologies. This study proposes an unsupervised anomaly detection method utilizing acoustic features extracted from real leakage cases. Acoustic signals were collected from field measurements, and a total of 86 features were derived using Fourier Transform and Mel-Frequency Cepstral Coefficients (MFCC). Feature importance analysis via Random Forest identified six key features. Based on pairwise distance metrics, normal acoustic clusters were formed, and two unsupervised models-Isolation Forest and Autoencoder-were applied to detect anomalies. Experimental results demonstrated that the proposed method effectively identified actual leakage points even in label-scarce environments. The two models exhibited complementary characteristics, suggesting practical applicability for real-world leakage detection. This research contributes to advancing label-free anomaly detection strategies for acoustic monitoring of water pipelines.

상수관망의 누수는 수자원 손실 및 시설물 피해의 주요 원인으로, 효과적인 탐지를 위해 다양한 기술이 개발되고 있다. 본 연구는 실제 상수도 누수 사례를 대상으로 청음 데이터를 수집하고, 주파수 및 청각 기반 음향 특징을 추출하여 비지도 학습 기반의 이상 감지 모델을 적용함으로써 누수음을 탐지하는 기법을 제안한다. 청음 신호에 대해 푸리에 변환과 멜 주파수 켑스트럼 계수(MFCC)를 적용하여 총 86개의 음향 특징을 구성하였으며, 랜덤 포레스트를 통해 주요 변수 6개를 선정하였다. 거리 기반 군집 분석을 통해 정상 소음 분포를 구성하고, Isolation Forest 및 Autoencoder 알고리즘을 활용하여 이상 음향을 판별하였다. 비지도 모델에 의해 탐지된 이상 지점이 실제 현장 판단과 부합함을 확인하였다. 정량적 기준 기반의 이상 탐지 결과가 실제 누수 지점과 일관성을 보였다. 본 연구는 실무 적용 가능한 비지도 이상 탐지 접근법을 제시함으로써, 기존 라벨 의존 탐지 방식의 한계를 보완할 수 있음을 시사한다.