DeepCSO:基于多任务深度学习的全市级合流制污水溢流预报
计算机与社会
2018-11-16 v1 机器学习
机器学习
摘要
合流制污水溢流(CSO)是许多城市亟待解决的重大问题。通过适当的城市水文模型理解污水系统行为,是加强污水系统管理的有效方法。依赖物理原理的传统确定性方法因计算代价高昂而不适用于实时目的。另一方面,数据驱动方法已获得巨大关注,但多数研究仅聚焦于对污水系统单一组分建模,并在非常抽象的层次上提供信息。在本文中,我们提出 DeepCSO 模型,旨在近实时地、在全市级层面上同时从多个 CSO 结构预报 CSO 事件。所提模型提供了一种中间方法论,它结合了数据驱动方法的灵活性与确定性方法所含的丰富信息,同时避免了这两类方法的缺陷。结果对比表明,基于深度学习的多任务模型优于传统方法。
引用
@article{arxiv.1811.06368,
title = {DeepCSO: Forecasting of Combined Sewer Overflow at a Citywide Level using Multi-task Deep Learning},
author = {Duo Zhang and Geir Lindholm and Harsha Ratnaweera},
journal= {arXiv preprint arXiv:1811.06368},
year = {2018}
}