論文の概要: Enhancing the interpretability of spatially variable N2O model predictions with soft sensors during wastewater treatment
- arxiv url: http://arxiv.org/abs/2605.04082v1
- Date: Wed, 15 Apr 2026 09:48:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 06:56:26.582036
- Title: Enhancing the interpretability of spatially variable N2O model predictions with soft sensors during wastewater treatment
- Title（参考訳）: 軟質センサを用いた空間変動N2Oモデル予測の排水処理時の解釈可能性の向上
- Authors: Mohammad Raeisi Gahrouei, Pedram Ramin, Vincenzo A. Riggio, Carlos Domingo-Felez,
- Abstract要約: 我々は、排水処理プラントの障害を機械学習モデルがどのように予測するかを分析した。
ニトロス酸化物(N2O)排出のモニタリングは, 植物全体の力学モデルを用いてシミュレートした。
我々は,N2Oソフトセンサモデルの予測は,データセットの計測位置と方法論的不確実性に限られていると主張している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Model-based solutions for nitrous oxide (N2O) emissions from wastewater treatment plants (WWTP) are informed by operational datasets designed to control nutrient levels in liquid waste, coupled with dedicated campaigns for N2O measurements. We analysed how machine learning (ML) models predict disturbances to WWT operation and spatially variable N2O emissions. A real dataset was investigated to validate the modelling framework from N2O emissions predicted by four ML models (R2 = 0.79 - 0.89). Monitoring campaigns for N2O were simulated with a plant-wide mechanistic model to include additional sensors, site-level N2O datasets, and wastewater disturbances (n = 16). ML models were highly accurate (0.97 +- 0.02, n = 80), but the feature importance depended on the model, the scenario and the N2O measurement scale (reactor vs. WWTP). We argue that N2O soft sensor model predictions are limited to the measuring location and the methodological uncertainty of the dataset, which affect the interpretability of the model. Lastly, the analysis of the mechanistic model structure exposed interactions between autotrophic and heterotrophic pathways over nitric oxide which can overestimate aerobic nitrite production and bias the N2O pathway contributions.
- Abstract（参考訳）: 廃水処理プラント(WWTP)から排出される亜酸化窒素(N2O)のモデルベースソリューションは,N2O測定専用のキャンペーンとともに,液体廃棄物の栄養レベルを制御するために設計された運用データセットによって通知される。
機械学習(ML)モデルがWWT操作と空間変動N2O排出の障害を予測する方法について分析した。
4つのMLモデル(R2 = 0.79 - 0.89)で予測されたN2Oエミッションからモデルフレームワークを検証するために、実際のデータセットを調査した。
N2Oのモニタリングキャンペーンは、追加のセンサー、サイトレベルのN2Oデータセット、排水障害(n = 16)を含む、植物全体の力学モデルでシミュレートされた。
MLモデルは精度が高い(0.97 +- 0.02, n = 80)が,その特徴はモデル,シナリオ,N2O測定尺度(リアクター対WWTP)に依存する。
我々は,N2Oソフトセンサモデルの予測は,モデルの解釈可能性に影響を与えるデータセットの計測位置と方法論的不確実性に限られていると主張している。
最後に, メカニスティックモデル構造の解析により, N2O経路の寄与を過大評価できる一酸化窒素上の自己栄養経路とヘテロ栄養経路の相互作用が明らかになった。
関連論文リスト
- SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
仮想セル摂動予測のための大規模基盤モデルを提案する。
まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。
第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。
第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
論文 参考訳（メタデータ） (2026-03-18T05:51:08Z) - Estimating Dense-Packed Zone Height in Liquid-Liquid Separation: A Physics-Informed Neural Network Approach [35.66975292316149]
重力開拓地における液体-液体分散の分離は、化学、医薬品、リサイクルプロセスにおいて重要である。
密集したゾーンの高さは重要な性能と安全性の指標であるが、しばしば高価であり、測定することができない。
安価な体積流量測定のみを用いて位相高さを推定することを提案する。
論文 参考訳（メタデータ） (2026-01-26T11:57:28Z) - Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models [100.28111930893188]
今日の最高の生成モデルの中には、単一の可能性を計算するために、数百から数千の神経機能評価を必要とするものもあります。
本研究では, 高速流動継手蒸留法 (F2D2) を提案し, サンプリングに必要なNFEの数を2桁に減らした。
F2D2はモジュール構造であり、既存のフローベースの数ステップサンプリングモデルと互換性がある。
論文 参考訳（メタデータ） (2025-12-02T10:48:20Z) - Lightweight ML-Based Air Quality Prediction for IoT and Embedded Applications [0.0]
本研究では,XGBoost回帰モデルの2つの変種の有効性と効率について検討した。
完全なXGBoostモデルは両方の汚染物質に対して優れた予測精度を達成したが、小さなモデルはわずかに正確ではないが、かなりの計算上の利点をもたらした。
これにより、IoTおよび組み込みアプリケーションにおけるリアルタイムの空気品質監視に適した、小さなXGBoostモデルが実現される。
論文 参考訳（メタデータ） (2025-11-26T19:31:20Z) - Interactive Atmospheric Composition Emulation for Next-Generation Earth System Models [0.0]
地球系モデル(ESM)のインタラクティブシミュレーションは、各段階ごとに多数のガスやエアロゾルを輸送するため、計算コストがかかる。
我々は、機械学習(ML)を使用してModelE NINTトレーサバージョンを拡張し、インタラクティブなエミッションをエミュレートするSmartINTを作成する。
Smart NINTは、気象データを入力としてMLを用いてインタラクティブに濃度を計算し、完全な物理パラメータ化を避ける。
論文 参考訳（メタデータ） (2025-10-12T15:18:37Z) - Graph Neural Networks for Pressure Estimation in Water Distribution
Systems [44.99833362998488]
水分配ネットワーク(WDN)における圧力と流量の推定により、水管理会社は制御操作を最適化できる。
物理に基づくモデリングとデータ駆動型アプローチであるグラフニューラルネットワーク(GNN)を組み合わせて,圧力推定問題に対処する。
我々のGNNモデルでは、オランダの大規模WDNの圧力は1.94mH$O、MAPEは7%と見積もられている。
論文 参考訳（メタデータ） (2023-11-17T15:30:12Z) - Dynamic weights enabled Physics-Informed Neural Network for simulating
the mobility of Engineered Nano-particles in a contaminated aquifer [0.0]
工業用ナノ粒子 (ENPs) は, 地下水汚染物質のその場分解に有効な反応剤として出現している。
ENPの複雑な輸送と保持機構は、効率的な修復戦略の開発を妨げる。
この研究は、動的で重量対応の物理インフォームドニューラルネットワーク(dw-PINN)フレームワークを使用して、帯水層内のナノ粒子の挙動をモデル化する。
論文 参考訳（メタデータ） (2022-10-25T07:55:20Z) - Spatiotemporal Estimation of TROPOMI NO2 Column with Depthwise Partial
Convolutional Neural Network [0.17590081165362778]
衛星による観測は、雲の覆いと表面反射率に負の影響を受けている。
本稿では,部分畳み込みニューラルネットワーク(PCNN)の適用範囲を広げ,深部畳み込み層を組み込む。
深層学習システムは,TROpospheric Monitoring Instrument TCDNO2をインプットするために,N_2(TCDNO2)の球面密度をシミュレーションしたコミュニティマルチスケール空気品質モデルを用いて訓練される。
論文 参考訳（メタデータ） (2022-04-12T16:23:36Z) - Evaluating the Adversarial Robustness for Fourier Neural Operators [78.36413169647408]
フーリエ・ニューラル・オペレータ(FNO)は、ゼロショット超解像で乱流をシミュレートした最初の人物である。
我々はノルム有界データ入力摂動に基づくFNOの逆例を生成する。
以上の結果から,モデルの強靭性は摂動レベルの増加とともに急速に低下することが明らかとなった。
論文 参考訳（メタデータ） (2022-04-08T19:19:42Z) - MoEfication: Conditional Computation of Transformer Models for Efficient
Inference [66.56994436947441]
トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。
スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。
そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
論文 参考訳（メタデータ） (2021-10-05T02:14:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。