面向污水处理的面向数据驱动的开环仿真：数字孪生算子决策支持
机器学习
2026-04-24 v1 人工智能
摘要
污水处理厂 (WWTPs) 需要能够在给定控制计划下模拟厂房响应、容忍不规则和缺失感知、并在 12-36 小时的规划时段保持信息性的数字孪生式决策支持工具。用全尺寸工厂数据满足这些要求仍是一个开放的工程-AI 挑战。我们提出了 CCSS-RS，即一种受控连续时间状态空间模型，将历史状态推断与未来控制和外生 rollout 分离。该模型结合了类型化上下文编码、对规定和预测驱动器的加权强制、半群一致的 rollout，以及针对重尾和零膨胀 WWTP 传感器数据的 Student-t 分布和 hurdle 输出。在公开的 Aved{\o}re 全尺寸基准数据集上进行测试，包含 906,815 个时间步、43% 的缺失率以及 1-20 分钟的不规则采样，CCSS-RS 在 H=1000 处达到 RMSE 0.696 和 CRPS 0.349，覆盖 10,000 个测试窗口。这相对于 Neural CDE 基线降低了 40-46% 的 RMSE，相对于简化内部变体降低了 31-35% 的 RMSE。四个案例研究使用在测试数据上冻结的检查点表明了操作价值：氧-设定点扰动将预测的硝酸氮从 -2.3 到 +1.4 变化，时间范围为 300-1000；平滑的设定点计划在多准则筛选中排名第一；仅上下文的传感器故障最多将监控变量的 RMSE 增加 10%；硝酸氮、硝酸盐和氧在 rollout 期间比持久值更准确。这些结果表明 CCSS-RS 是工业污水处理中用于离线情景筛选的实用学习仿真器，补充于机械模型。
引用
@article{arxiv.2604.20935,
title = {Data-Driven Open-Loop Simulation for Digital-Twin Operator Decision Support in Wastewater Treatment},
author = {Gary Simethy and Daniel Ortiz Arroyo and Petar Durdevic},
journal= {arXiv preprint arXiv:2604.20935},
year = {2026}
}
备注
18 pages, 10 figures, 9 tables