HydroSphere to框架oparty na danych do monitorowania, prognozowania i optymalizacji systemów oczyszczania ścieków w czasie rzeczywistym. Badacze opracowali rozwiązanie łączące trzy kluczowe komponenty: prognozowanie parametrów jakości wody, adaptacyjne dozowanie chemikaliów oraz detekcję anomalii sensorów i procesów. System został przetestowany na ogromnym zbiorze 2,82 milionu pomiarów wody zebranych od 1940 do 2023 roku.
Pierwszy moduł HydroSphere wykorzystuje hybrydowy model TCN-LSTM do wieloetapowego prognozowania siedmiu parametrów jakości wody. Osiągnął on wartości RMSE 0,1417, MAE 0,1047 i R2 0,3596 - wyniki sugerujące solidną zdolność do predykcji zmian warunków wodnych. Drugi komponent, Adaptive Dosage Optimization Module, zastosował algorytm PPO (Proximal Policy Optimization) do dynamicznego dostosowywania dawek chemikaliów, osiągając średnią nagrodę 1,059 na krok w porównaniu z bazowym 1,017 dla stałych dawek. Trzeci element - moduł SHADE - używa głębokich autoenkoderek do identyfikacji anomalii, uzyskując F1 score 0,651 w testach z wstrzykniętymi błędami.
Co istotne, badania wykazały, że nieograniczona optymalizacja nagród może prowadzić do nadmiernego dozowania chemikaliów. Dlatego zespół wdrożył tiered governance z deterministycznymi ograniczeniami bezpieczeństwa i nadzorem człowieka. To rozwiązanie adresuje problem konwencjonalnych stacji uzdatniania wody, które opierają się na statycznych strategiach monitorowania i nie potrafią szybko dostosować się do zmieniających się warunków zanieczyszczenia. HydroSphere potencjalnie może wspomóc miasta w bardziej elastycznym i bezpiecznym zarządzaniu infrastrukturą wodną w kontekście szybkiej industrializacji i wzrostu urbanizacji.