ترجمه فارسی مقاله مدلسازی داده محور سیستم های فاضلاب ترکیبی برای پایداری شهری: یک ارزیابی تجربی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Data-driven Modeling of Combined Sewer Systems for Urban Sustainability: An Empirical Evaluation
عنوان مقاله به فارسی مدلسازی داده محور سیستم های فاضلاب ترکیبی برای پایداری شهری: یک ارزیابی تجربی
نویسندگان Vipin Singh, Tianheng Ling, Teodor Chiaburu, Felix Biessmann
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Systems and Control,Artificial Intelligence,Machine Learning,سیستم ها و کنترل , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 18 September, 2024; v1 submitted 21 August, 2024; originally announced August 2024. , Comments: 8 pages, 4 figures, accepted at 47th German Conference on Artificial Intelligence, Wuerzburg 2024
توضیحات به فارسی ارائه شده در 18 سپتامبر 2024 ؛V1 ارسال شده 21 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 8 صفحه ، 4 رقم ، در 47 مین کنفرانس آلمانی در زمینه هوش مصنوعی ، وورزبورگ 2024 پذیرفته شده است
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Climate change poses complex challenges, with extreme weather events becoming increasingly frequent and difficult to model. Examples include the dynamics of Combined Sewer Systems (CSS). Overburdened CSS during heavy rainfall will overflow untreated wastewater into surface water bodies. Classical approaches to modeling the impact of extreme rainfall events rely on physical simulations, which are particularly challenging to create for large urban infrastructures. Deep Learning (DL) models offer a cost-effective alternative for modeling the complex dynamics of sewer systems. In this study, we present a comprehensive empirical evaluation of several state-of-the-art DL time series models for predicting sewer system dynamics in a large urban infrastructure, utilizing three years of measurement data. We especially investigate the potential of DL models to maintain predictive precision during network outages by comparing global models, which have access to all variables within the sewer system, and local models, which are limited to data from a restricted set of local sensors. Our findings demonstrate that DL models can accurately predict the dynamics of sewer system load, even under network outage conditions. These results suggest that DL models can effectively aid in balancing the load redistribution in CSS, thereby enhancing the sustainability and resilience of urban infrastructures.

چکیده به فارسی (ترجمه ماشینی)

تغییرات آب و هوا چالش های پیچیده ای را ایجاد می کند ، با این که حوادث شدید آب و هوایی به طور فزاینده ای مکرر و مدل سازی می شود.مثالها شامل پویایی سیستم های فاضلاب ترکیبی (CSS) است.CSS بار بیش از حد در هنگام بارندگی شدید ، فاضلاب بدون تصفیه را به بدن های سطحی سرریز می کند.رویکردهای کلاسیک برای مدل سازی تأثیر وقایع بارندگی شدید به شبیه سازی های فیزیکی متکی است ، که به ویژه برای ایجاد زیرساخت های بزرگ شهری چالش برانگیز هستند.مدل های یادگیری عمیق (DL) یک جایگزین مقرون به صرفه برای مدل سازی پویایی پیچیده سیستم های فاضلاب ارائه می دهند.در این مطالعه ، ما یک ارزیابی تجربی جامع از چندین مدل پیشرفته سری DL برای پیش بینی پویایی سیستم فاضلاب در یک زیرساخت بزرگ شهری ، با استفاده از سه سال داده های اندازه گیری ارائه می دهیم.ما به ویژه پتانسیل مدلهای DL را برای حفظ دقت پیش بینی در هنگام قطع شبکه با مقایسه مدل های جهانی ، که دسترسی به کلیه متغیرهای موجود در سیستم فاضلاب و مدل های محلی دارند ، که محدود به داده ها از مجموعه ای از سنسورهای محلی هستند ، بررسی می کنیم.یافته های ما نشان می دهد که مدل های DL می توانند پویایی بار سیستم فاضلاب را حتی در شرایط قطع شبکه پیش بینی کنند.این نتایج نشان می دهد که مدل های DL می توانند به طور مؤثر در تعادل توزیع مجدد بار در CSS کمک کنند ، در نتیجه باعث افزایش پایداری و مقاومت در زیرساخت های شهری می شوند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.