近日，我校人工智能学院和国家智能制造服务国际科技合作基地团队在城市污水厂智慧运行中的多源数据管理和智能传感调控方面获得新突破，为解决城市大型污水厂等传统基础设施人工智能场景感知和智能运维管理，低成本高价值数据获取，提供了创新技术解决方案。

1）针对城市污水厂（WTP）面临数据业务负荷挑战，研究团队提出了一种基于深度学习（DNN）的数据管理方案，用于在资源受限的物联网系统下对 WTP 进行智能控制，针对客观WTP场景制定了具体的数据编码和预处理方法。构建 DNN 模型来解决关键中间参数预测问题，从而进一步指导控制决策。在真实场景数据集上进行了综合实验，通过引入多个性能指标，对该方法的效率和鲁棒性进行了测试，结果表明，在这种资源受限的环境中，它能起到适当的预测效果，从而保障后续的智能控制操作。

2）针对传统大型污水厂等设施粗放低效运行的现状，团队提出利用工业 6G 物联网环境为智能传感方案提供基础数据条件，建立了工业 6G 物联网传感和机器学习支持的智能传感框架，所提方法在实际污水处理厂收集的数据上进行了评估，结果表明，所提出技术方案能够较好地调控工艺过程关键指标，实现污水厂的数字化运维。

系列研究成果在智能技术国际知名期刊《IEEE Internet of Things Journal》上连续发表。论文链接：https://ieeexplore.ieee.org/document/10498070 ；https://ieeexplore.ieee.org/document/10599544

期刊简介：

《IEEE Internet of Things Journal》是计算机、人工智能领域的国际著名期刊，为SCI索引的1区Top期刊，最新影响因子为8.2。