相关实验视频
Updated: Jul 16, 2025

Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
基于机器学习的替代模型协助随机模型对城市排水系统的预测控制.
Xinran Luo1, Pan Liu1, Qian Xia2
1State Key Laboratory of Water Resources Engineering and Management, Wuhan University, Wuhan, 430072, China; Hubei Provincial Key Lab of Water System Science for Sponge City Construction, Wuhan University, Wuhan, 430072, China; Research Institute for Water Security (RIWS), Wuhan University, Wuhan, 430072, China.
本研究引入了一种机器学习替代模型,以快速评估城市排水系统的性能. 这使得新的实时控制策略能够显著提高系统对雨水流入不确定性的弹性.
科学领域:
- 环境工程 环境工程
- 水文学的水文学
- 人工智能的人工智能
背景情况:
- 城市排水系统 (UDS) 需要强大的实时控制,以管理雨水流入的不确定性并提高弹性.
- 目前用于UDS的不确定性解决方法是计算密集的,限制了它们的实际应用.
- 准确量化雨水流入不确定性对于有效的UDS操作至关重要.
研究的目的:
- 开发一个基于机器学习的替代模型 (MLSM),用于UDSs.
- 将MLSM与随机模型预测控制集成为一种新的实时控制策略.
- 通过考虑随机风暴水流入场景,尽量减少预期的系统溢出.
主要方法:
- 开发了一种基于机器学习的替代模型 (MLSM),以模拟高保真的城市排水动态.
- 结合MLSM与实时操作战略的随机模型预测控制.
- 使用统计方法生成和减少了一组雨水流入场景.
主要成果:
- 与原始模型相比,MLSM实现了99.1%的计算时间减少,同时保持了高保真度.
- 拟议的基于MLSM的随机控制策略在提高系统弹性方面显著优于确定性控制.
- 该策略在中国复杂的UDS实时操作方面表现出有效性.
结论:
- MLSM显著降低了计算负担,使高级控制策略成为实时UDS管理的可行性.
- 开发的实时控制策略有效地提高了UDS对雨水流入不确定性的弹性.
- 这种方法为提高复杂的城市排水系统的运行效率和可靠性提供了一个有希望的解决方案.
相关概念视频
Typical Model Studies
Design Example: Creating a Hydraulic Model of a Dam Spillway
Modeling and Similitude
Steps in Outbreak Investigation
Conservation of Mass in Moving, Nondeforming Control Volume
In the context of a detention basin, the conservation of mass states that the total mass of water entering the basin must equal the mass leaving the basin plus any accumulation of...
Design Example: Analyzing Capacity Contours for Flood Risk Assessment

