Графовые нейронные сети для оценки давления в системах водоснабжения

Оценка давления и расхода в сетях водоснабжения (WDN) позволяет компаниям, управляющим водными ресурсами, оптимизировать процессы управления. На протяжении многих лет математическое моделирование было наиболее распространенным подходом к восстановлению оценки гидравлических параметров сетей водоснабжения. Однако модели, основанные исключительно на физических законах, сопряжены с рядом трудностей, включая частично наблюдаемые данные, высокую неопределенность и необходимость масштабной ручной калибровки. Поэтому для преодоления этих ограничений все большее применение находят подходы, основанные на данных. В данной работе для решения задачи оценки давления мы объединяем физическое моделирование и графовые нейронные сети (GNN), представляющие собой подход, основанный на данных. Работа включает два основных результата. Во-первых, предложена стратегия обучения, основанная на случайном размещении датчиков, благодаря чему разработанная модель оценки на основе GNN становится устойчивой к неожиданным изменениям расположения датчиков. Во-вторых, разработан реалистичный протокол оценки, учитывающий реальные временные закономерности и внесение шумов для имитации неопределенностей, характерных для реальных условий. В результате представлена новая модель, соответствующая современному передовому уровню, — GAT с остаточными связями, предназначенная для оценки давления. Наша модель превосходит результаты предыдущих исследований на нескольких эталонных наборах данных для сетей водоснабжения, обеспечивая в среднем снижение абсолютной ошибки примерно на 40%.