PulseAugur
实时 14:31:46
English(EN) Optimizing Sensor Placement for Flow Reconstruction in Urban Drainage Networks: A Digital Twin-Based Sparse Sensing Approach

人工智能优化城市洪水预测的传感器配置

研究人员开发了一种数据驱动的稀疏传感方法,用于优化城市排水管网中流量重建的传感器配置。该方法使用明尼苏达州德卢斯林地集水区的数字孪生进行演示,将EPA-SWMM与奇异值分解和QR分解相结合进行传感器选择。研究发现,仅三个策略性放置的传感器就能实现高精度的流量重建,其性能远超随机配置,并与详尽的最优配置非常接近。 AI

影响 通过优化传感器部署,这项研究可能带来更高效、更具成本效益的城市地区洪水预测系统。

排序理由 这是一篇研究论文,详细介绍了一种使用人工智能技术进行传感器配置的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zihang Ding, Amit Kumar, Imran Md. Azizul Islam, Mila Avellar Montezuma, Ruihang Zhang, Kun Zhang ·

    面向城市排水管网流态重构的传感器优化配置:基于数字孪生的稀疏感知方法

    arXiv:2511.04556v2 Announce Type: replace Abstract: Urban flooding triggered by intense rainfall is becoming increasingly frequent and widespread. While flood prediction and monitoring in high spatio-temporal resolution are desired, practical constraints in time, budget, and tech…