Data-driven Modeling of Combined Sewer Systems for Urban Sustainability: An Empirical Evaluation

要約

気候変動は複雑な課題を引き起こしており、異常気象はますます頻繁になり、モデル化が困難になっています。
例には、合流式下水道システム (CSS) のダイナミクスが含まれます。
豪雨時に CSS に過度の負担がかかると、未処理の廃水が地表水域に溢れ出します。
極端な降雨現象の影響をモデル化する従来のアプローチは物理シミュレーションに依存しており、大規模な都市インフラの作成は特に困難です。
ディープ ラーニング (DL) モデルは、下水道システムの複雑なダイナミクスをモデル化するためのコスト効率の高い代替手段を提供します。
この研究では、3 年間の測定データを利用して、大規模な都市インフラの下水道システムのダイナミクスを予測するためのいくつかの最先端の DL 時系列モデルの包括的な実証的評価を示します。
特に、下水道システム内のすべての変数にアクセスできるグローバル モデルと、限られたローカル センサーのセットからのデータに限定されるローカル モデルを比較することにより、ネットワーク停止中に予測精度を維持する DL モデルの可能性を調査します。
私たちの調査結果は、DL モデルがネットワーク停止状態であっても下水道システムの負荷のダイナミクスを正確に予測できることを示しています。
これらの結果は、DL モデルが CSS の負荷再配分のバランスを効果的に支援し、それによって都市インフラの持続可能性と回復力を強化できることを示唆しています。

要約(オリジナル)

Climate change poses complex challenges, with extreme weather events becoming increasingly frequent and difficult to model. Examples include the dynamics of Combined Sewer Systems (CSS). Overburdened CSS during heavy rainfall will overflow untreated wastewater into surface water bodies. Classical approaches to modeling the impact of extreme rainfall events rely on physical simulations, which are particularly challenging to create for large urban infrastructures. Deep Learning (DL) models offer a cost-effective alternative for modeling the complex dynamics of sewer systems. In this study, we present a comprehensive empirical evaluation of several state-of-the-art DL time series models for predicting sewer system dynamics in a large urban infrastructure, utilizing three years of measurement data. We especially investigate the potential of DL models to maintain predictive precision during network outages by comparing global models, which have access to all variables within the sewer system, and local models, which are limited to data from a restricted set of local sensors. Our findings demonstrate that DL models can accurately predict the dynamics of sewer system load, even under network outage conditions. These results suggest that DL models can effectively aid in balancing the load redistribution in CSS, thereby enhancing the sustainability and resilience of urban infrastructures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google