デジタルツインオペレータの意思決定支援におけるデータ駆動型オープンループシミュレーション（廃水処理）

Abstract: 廃水処理場（WWTP）には、規定的制御計画下での施設応答をシミュレーションし、不規則で欠落したセンサーデータにも耐え、12〜36時間の計画範囲において依然として情報価値を保持できる、デジタルツインスタイルの意思決定支援ツールが必要である。これら要件をフルスケール施設のデータで満たすことは、未解決の工学・AI の課題となっている。本稿では、歴史的状態の推定と将来の制御・外生ロールアウトを分離する制御された連続時相空間モデル「CCSS-RS」を発表する。このモデルは、型付けされたコンテキストエンコーディング、規定的および予断ドライバーのゲイン付与された強制、半群整合性のロールアウト、そして重尾およびゼロ膨張廃水処理センサーデータに適合する Student-t 付加障壁出力を組み合わせている。公的ベンチマーク「Aved{\œ}re」フルスケールデータ（906,815 ステップ、43% の欠落率、1〜20 分間隔の不規則サンプリング）において、CCSS-RS は H=1000 で RMSE 0.696 および CRPS 0.349 を達成し、10,000 のテストウィンドウを通過した。これにより、ニューラル CDE ベースラインと比較して RMSE が 40〜46% 減少し、単純化された内部バリエーションと比較して 31〜35% 減少した。4 つの事例研究では、テストデータに冻结チェックポイントを使用し、運用上の価値が示唆された：酸素の設定値擾乱は、範囲 300〜1000 では予測アンモニアを -2.3 から +1.4 にシフトさせ、滑らか化された設定値計画は多基準スクリーニングで 1 位をランク付けし、コンテキストのみセンサーの障害は監視変数の RMSE を最大 10% 増加させ、アンモニア、亜硝酸塩、酸素はロールアウトを通じて不連続より精度が高いままであった。これらの結果は、CCSS-RS が工業廃水処理におけるオフラインシナリオスクリーニング用の実用的学習シミュレータであることを確立し、メカニスティックモデルと補完的な役割を果たすと示唆する。

arXiv:2604.20935v1 Announce Type: cross Abstract: Wastewater treatment plants (WWTPs) need digital-twin-style decision support tools that can simulate plant response under prescribed control plans, tolerate irregular and missing sensing, and remain informative over 12-36 h planning horizons. Meeting these requirements with full-scale plant data remains an open engineering-AI challenge. We present CCSS-RS, a controlled continuous-time state-space model that separates historical state inference from future control and exogenous rollout. The model combines typed context encoding, gain-weighted forcing of prescribed and forecast drivers, semigroup-consistent rollouts, and Student-t plus hurdle outputs for heavy-tailed and zero-inflated WWTP sensor data. On the public Aved{\o}re full-scale benchmark, with 906,815 timesteps, 43% missingness, and 1-20 min irregular sampling, CCSS-RS achieves RMSE 0.696 and CRPS 0.349 at H=1000 across 10,000 test windows. This reduces RMSE by 40-46% relative to Neural CDE baselines and by 31-35% relative to simplified internal variants. Four case studies using a frozen checkpoint on test data demonstrate operational value: oxygen-setpoint perturbations shift predicted ammonium by -2.3 to +1.4 over horizons 300-1000; a smoothed setpoint plan ranks first in multi-criterion screening; context-only sensor outages raise monitored-variable RMSE by at most 10%; and ammonium, nitrate, and oxygen remain more accurate than persistence throughout the rollout. These results establish CCSS-RS as a practical learned simulator for offline scenario screening in industrial wastewater treatment, complementary to mechanistic models.