面向水可持续性研究的数据集
机器学习
2024-05-30 v1 人工智能
计算机与社会
性能
摘要
淡水短缺是一个全球性问题，需要所有行业部门的共同努力。然而，由于缺乏对运营水足迹数据的访问，许多应用无法探索隐藏在时空变化中的优化机会。为了打破水可持续性研究中的这一障碍，我们构建了一个关于冷却系统运营直接用水量和发电中隐含间接用水量的数据集。我们的数据集包含 2019 年至 2023 年美国主要城市和州的每小时用水效率。我们还提供了捕捉天气对用水效率影响的冷却系统模型。我们对数据集进行了初步分析，并讨论了可从中受益的三个潜在应用。我们的数据集在 Open Science Framework (OSF) 上公开可用
引用
@article{arxiv.2405.17469,
title = {A Dataset for Research on Water Sustainability},
author = {Pranjol Sen Gupta and Md Rajib Hossen and Pengfei Li and Shaolei Ren and Mohammad A. Islam},
journal= {arXiv preprint arXiv:2405.17469},
year = {2024}
}
备注
Accepted by ACM e-Energy 2024