面向气候不确定性下的可持续海水淡化：UAE视角下的人工智能管道化架构
机器学习
2025-07-16 v1 系统与控制
系统与控制
摘要
阿联酋广泛依赖海水淡化工艺满足超过90%的饮用水需求。淡化工艺能源密集度高，约占阿联酋电力消费的15%，contributing to over 22% of the country's energy-related CO2 emissions。此外，这些工艺面临着气候不确定性挑战，如海水温度升高、盐度增加和气溶粒子光学深度（AOD）增加。AOD通过光伏污染、膜污染和水浑浊循环等影响太阳能驱动淡化系统的运行和经济性能。本研究提出一种新型管道化两阶段预测建模架构：第一阶段使用卫星衍生时间序列和气象数据预测AOD；第二阶段使用预测的AOD及其他气象因素预测淡化性能效率损失。该框架实现了98%的准确率，并使用SHAP（Shapley Additive exPlanations）揭示系统退化的关键驱动因素。此外，本研究提出一种基于预测AOD和太阳能效率的尘埃感知规则基控制逻辑，用于调整淡化厂进水压力、适应维护计划和调节能源来源切换。为增强研究发现的实际实用性，将预测模型和规则基控制打包到交互式仪表板中，用于情景和预测分析。为气候适应规划提供了管理决策支持系统。
引用
@article{arxiv.2507.10609,
title = {A Feed-Forward Artificial Intelligence Pipeline for Sustainable Desalination under Climate Uncertainties: UAE Insights},
author = {Obumneme Nwafor and Chioma Nwafor and Amro Zakaria and Nkechi Nwankwo},
journal= {arXiv preprint arXiv:2507.10609},
year = {2025}
}