Water Resources Research · 期刊更新· Farid Mousavi,
Ali Torabi Haghighi,
Jari Silander,
Mehdi Monemi,
Mehdi Rasti·· 10 天前精选AI 评分62
基于物理信息融合学习的城市水文多传感器网络实时故障检测
Physics‐Informed Fusion Learning for Nowcasting Fault Detection of Hydrological Multi Sensor Network
原文来源 · Water Resources Research · 期刊更新
前往来源网站阅读完整内容 · 新窗口打开
AI 导读
研究提出Nowcasting Physics-Informed（NPI）模型，用于流量传感器故障检测，采用100分钟记忆窗口、2分钟分辨率，由LSTM融合实测信号与Storm Water Management Model模拟器输出特征，输出窗口末端故障概率，并用逐传感器XGBoost阶段基于窗口局部统计量校准LSTM得分。
推荐理由
提出融合物理模型与传感器数据的故障检测方法，并给出AUC-PR与F1对照，可用于评估城市水文监测网络的实时故障诊断方案。
来源：Water Resources Research · 期刊更新 · agupubs.onlinelibrary.wiley.com