下水道システムの拡散ベースの時系列予測

気候変動と都市化の影響を受けて、データ駆動型の都市水管理（UWM）が下水道および排水システムを変革する手段として提案されています。これは、持続可能で堅牢な提供地域を達成することを目的としています。データの収集と利用の増加は、重要な潜在的利益を提供しますが、データの欠如やデータ品質は、その後の計算モデルのキャリブレーションと検証、インフラパフォーマンスの評価、および現場での自動制御ソリューションの実装において課題をもたらします。私たちは、下水道システムにおける文脈予測の精度を向上させるために、生成的人工知能の力を利用する新しい深層学習アプローチを紹介します。多変量時系列データを処理する拡散ベースのモデルを開発することにより、私たちのシステムは、さまざまな環境変数間の複雑な相関を捉える能力に優れた性能を発揮し、湿潤な気象条件でも強固な予測を可能にします。モデルの信頼性を高めるために、確率的時系列データに特化した準拠推論手法で予測をさらに調整し、結果的な予測区間が統計的に信頼できるものであり、望ましい信頼レベルで真のターゲット値をカバーすることを保証します。実際の下水道システムデータに対する実証テストは、厳しい気象条件下でも信頼できる文脈予測を提供するモデルの能力を確認しました。