تحلیل تکاملی روش های شناسایی منشا آلودگی و تعریف چارچوب های مدرن

شناسایی منشا آلودگی در شبکه های توزیع آب، یک مسئله معکوس کلیدی در مدیریت بحران و حفاظت از بهداشت عمومی است. در سال های اخیر، روش های مبتنی بر هوش مصنوعی به عنوان ابزاری کارآمد برای حل این مسئله توسعه یافته اند. با این حال، یک شکاف عملکردی مشهود میان نتایج این روش ها در محیط های پژوهشی و قابلیت استقرار عملیاتی آن ها وجود دارد. این مقاله، یک دسته بندی جدید برای تحلیل سیر تکامل متدولوژی های شناسایی منشا آلودگی و ریشه یابی این شکاف ارائه می دهد. در این دسته بندی، سه نسل اصلی از پژوهش ها تعریف می شود. نسل اول، مبتنی بر رویکرد شبیه سازی-بهینه سازی بود که امکان پذیری حل مسئله را نشان داد اما با چالش مقیاس پذیری و زمان اجرای بالا مواجه بود. نسل دوم، با معرفی معماری طبقه بندی و سپس بهینه سازی، بر بهبود کارایی محاسباتی متمرکز شد، اما منجر به بروز محدودیت هایی نظیر عدم شفافیت مدل گردید. نسل سوم که نمایانگر رویکردهای امروزی است، بر چارچوب های یکپارچه استوار است. ویژگی های اصلی این نسل شامل معماری های هیبریدی (تلفیق یادگیری عمیق و بهینه سازی)، استفاده از مدل های آگاه از توپولوژی (مانند شبکه های عصبی گراف) و تمرکز بر افزایش اعتمادپذیری از طریق واقع گرایی فیزیکی و هوش مصنوعی قابل توضیح است. این دسته بندی تکاملی، چارچوبی برای درک وضعیت کنونی و شناسایی مسیر پژوهش های آتی فراهم می کند.

کلیدواژه ها:

شناسایی منشا آلودگی ، سیر تکامل متدولوژی ، شبکه های عصبی گراف ، هوش مصنوعی قابل توضیح