利用深度学习与水力模型增强跨流域废水转输中污水泵站的运行
计算机与社会
2018-11-16 v1 机器学习
机器学习
摘要
本文提出一种新颖的跨流域废水转输(ICWT)方法以缓解污水溢流。ICWT 旨在通过污水系统设施的协同运行,平衡污水流量与污水处理厂(WWTP)处理能力的空间错配。利用水力模型,在挪威德拉门的某污水系统中考察了 ICWT 的有效性。就整体系统性能而言,我们发现 S{\o}ren Lemmich 泵站在 ICWT 框架中起着至关重要的作用。为增强该泵站的运行,构建多步超前水位预测模型势在必行。因此,采用了最具前景的人工智能技术之一——长短期记忆(LSTM)来承担此任务。实验表明,LSTM 优于门控循环单元(GRU)、循环神经网络(RNN)、前馈神经网络(FFNN)与支持向量回归(SVR)。
引用
@article{arxiv.1811.06367,
title = {Enhancing Operation of a Sewage Pumping Station for Inter Catchment Wastewater Transfer by Using Deep Learning and Hydraulic Model},
author = {Duo Zhang and Erlend Skullestad Holland and Geir Lindholm and Harsha Ratnaweera},
journal= {arXiv preprint arXiv:1811.06367},
year = {2018}
}