面向数据驱动水力分配网络的大规模多功能基准数据集
机器学习
2024-04-25 v1 人工智能
摘要
目前，面向数据驱动深度学习方法的常见基准数据集数量非常有限。大多数研究以配置文件形式提供数据。仍需由每个实践者遵循特定的数据生成方法并运行计算密集型仿真，以获取可用于模型训练和评估的可用数据。在本工作中，我们提供了一系列数据集，包括几个小型和中型的公开可用的水力分配网络（WDNs），包括 Anytown、Modena、Balerma、C-Town、D-Town、L-Town、Ky1、Ky6、Ky8 和 Ky13。总计提供了 1,394,400 小时的 WDNs 数据，这些数据在正常运行条件下可用，以供社区使用。
引用
@article{arxiv.2404.15386,
title = {Large-Scale Multipurpose Benchmark Datasets For Assessing Data-Driven Deep Learning Approaches For Water Distribution Networks},
author = {Andres Tello and Huy Truong and Alexander Lazovik and Victoria Degeler},
journal= {arXiv preprint arXiv:2404.15386},
year = {2024}
}
备注
Presented at WDSA CCWI, Ferrara, Italy, July 2024