用于污水处理厂$N_2O$建模与预测的时间序列数据集
系统与控制
2024-07-09 v1 系统与控制
摘要
在本文中，我们提供了两年高分辨率的一氧化二氮()测量数据，用于污水处理厂(WWTP)的时间序列建模和预测。该数据集包含来自一个全规模污水处理厂的频繁实时测量数据，采样间隔为2分钟，非常适合开发用于实时运行和控制的模型。这个全面的生物化学数据集包括详细的进水出水参数、运行条件和环境因素。与现有数据集不同，它解决了建模（一种强效温室气体）的独特挑战，为研究人员提高污水处理过程中的预测准确性和控制策略提供了宝贵的资源。此外，该数据集通过作为一个反映真实世界过程复杂性的基准，极大地促进了机器学习和深度学习时间序列预测领域的发展。我们提供了数据集的详细描述以及统计分析，以突出其特性，如非平稳性、非正态性、季节性、异方差性、结构性突变、非对称分布和间歇性，这些特性在许多真实世界的时间序列数据集中很常见，并对预测模型构成挑战。
引用
@article{arxiv.2407.05959,
title = {Time Series Dataset for Modeling and Forecasting of $N_2O$ in Wastewater Treatment},
author = {Laura Debel Hansen and Anju Rani and Mikkel Algren Stokholm-Bjerregaard and Peter Alexander Stentoft and Daniel Ortiz Arroyo and Petar Durdevic},
journal= {arXiv preprint arXiv:2407.05959},
year = {2024}
}
备注
10 pages, 4 figures. This publication accompanies the Mendeley dataset available at this URL (version 1): https://data.mendeley.com/datasets/xmbxhscgpr/1