面向城市降温的园区规模灌溉的运行机器学习
信号处理
2025-08-19 v1
摘要
城市公园可缓解局部热浪，但灌溉控制通常以节水为目标而非降温。我们报告了 SIMPaCT（Smart Irrigation Management for Parks and Cool Towns，面向城市降温的园区规模智能灌溉管理）的部署，将每个区域的土壤湿度预测链接到夜间灌溉设定值，以支持城市降温。SIMPaCT 从 202 个土壤湿度传感器、50 个温度-相对湿度（TRH）节点和 13 个气象站的数据中获取数据，并在短滚动窗口（200-900 小时）上为每个传感器训练k-最近邻（kNN）预测器。规则优先的异常管道筛选缺失和卡住的信号，并使用基于模型的检查（Isolation Forest 和 ARIMA）。当设备故障时，互信息邻域选择最具信息性的邻居，小型多层感知器提供“虚拟传感器”直至恢复。在所有传感器上，平均绝对误差为 0.78%，相当于更复杂的基线；第七十五百分位数的误差对于 kNN 低于 SARIMA（0.71% vs 0.93%）。SIMPaCT 每天运行并将提议的设定值写入现有控制器供操作员审查。本短信报告了面向城市园区规模的稳健、面向降温的灌溉的 operational 配方。
引用
@article{arxiv.2508.11700,
title = {Operational machine learning for park-scale irrigation to support urban cooling},
author = {Mesut Koçyiğit and Bahman Javadi and Russell Thomson and Sebastian Pfautsch and Oliver Obst},
journal= {arXiv preprint arXiv:2508.11700},
year = {2025}
}
备注
6 pages, 3 figures