where bdKis the estimate of the exp

where bdKis the estimate of the expectation of the performance
measure D, x is a random vector of contamination events x ¼ f
(IT, IL, ID, IM, IR) where IT, IL, ID, IM, and IR are injection time,
location, duration, mass, and reaction, respectively with
known probability distributions with a finite number of scenarios
x1,...,xK and respective probabilities p1,...,pK, and y is a
vector of decision variables.
The left hand side of Fig. 2 schematically presents the impact
of contamination scenarios on system nodes. Black blocks
indicate that node xj is affected by the event at time ti. Hence, a
sensor present at these nodes and times can detect the
contamination event. The actual entry represents the extent of
the impact on the systemif the event was detected at that node
andtime.Thewhiteblocks indicatethat thecontaminantdidnot
reach those locations, thus sensors there will not detect events.
The entries of the matrix can represent the selected performancemeasureDfor
eachcontaminationscenario, forexample,
volume of contaminated water consumed or contaminant concentration.
Intuitively, the goal is to maximize the intersection
between event and detection domains [i.e., Fig. 2(a) and (b)],
while minimizing event impact, where the stationary sensors
which continuously collect data are at fixed locations xf and the
mobile sensors moving with time are x(ti) ¼ xj.
In this study, two objectives are considered for minimizing
mean detection time and maximizing detection likelihood
(Ostfeld et al., 2008). Contamination events are generated
through enumeration and events are modeled using EPANET.
Decision variables are release time and location of the mobile
sensor in the water distribution system. Performance is evaluated
for the combined sensor network (i.e., stationary and
non-stationary sensors).

ผลลัพธ์ (ไทย) 3:

ที่ bdkis ประมาณการของความคาดหวังของการทำงาน
วัด D , X เป็นเวกเตอร์แบบสุ่มการปนเปื้อนของเหตุการณ์ x ¼ f
( IL , ID , IM , IR ) ที่ อิล , ID , IM และ IR จะฉีดเวลา
สถานที่ เวลา มวล และตามด้วยปฏิกิริยา
เรียกว่าการแจกแจงความน่าจะเป็น ด้วยจำนวนที่จำกัดของสถานการณ์
x1 , . . . , XK เกี่ยวข้องความน่าจะเป็น P1 , . . . , PK , และ Y เป็น
เวกเตอร์ของตัวแปรตัดสินใจ .
มือข้างซ้ายของรูปที่ 2 แผนผังแสดงผลกระทบของการปนเปื้อน
สถานการณ์ที่อยู่บนระบบ
บล็อกสีดำบ่งชี้ว่าโหนด XJ ได้รับผลกระทบจากเหตุการณ์ที่ตีเวลา เพราะ เซ็นเซอร์โหนดเหล่านี้ปัจจุบัน

และเวลาสามารถตรวจจับการปนเปื้อนของเหตุการณ์ รายการที่เกิดขึ้นจริงแสดงถึงขอบเขตของผลกระทบต่อ systemif
เหตุการณ์ที่ตรวจพบในโหนด
เวลา . thewhiteblocks ได้ว่า thecontaminantdidnot
เข้าถึงสถานที่เหล่านั้น จึงจะไม่มีเซ็นเซอร์ตรวจจับเหตุการณ์ .
รายการของเมทริกซ์สามารถเป็นตัวแทนเลือก performancemeasuredfor eachcontaminationscenario มก

, ปริมาณของน้ำบริโภคหรือสารปนเปื้อนปริมาณปนเปื้อน
สังหรณ์ใจ เป้าหมายคือเพื่อ เพิ่มจุดตัดระหว่างงานและตรวจสอบโดเมน
[ IE . , รูปที่ 2 ( ก ) และ ( ข ) ] ,
ในขณะที่ลดผลกระทบต่อเหตุการณ์ที่เครื่องเขียนเซ็นเซอร์
ซึ่งอย่างต่อเนื่องเก็บข้อมูลอยู่ที่สถานที่ถาวร XF และ
มือถือเซ็นเซอร์ย้ายด้วยเวลา X ( Ti ) ¼ XJ .
ในการศึกษานี้ มีวัตถุประสงค์เพื่อลดเวลาการตรวจสอบถือว่า
หมายถึง และการตรวจหาโอกาส
( ostfeld et al . , 2008 ) เหตุการณ์การปนเปื้อนขึ้น
ผ่านการใช้โปรแกรม และเหตุการณ์จำลอง .
ตัวแปรตัดสินใจจะปล่อยเวลาและตำแหน่งของเซนเซอร์โทรศัพท์มือถือ
ในระบบจ่ายน้ำประปา มีการประเมินผลการดำเนินงาน
สำหรับเครือข่ายเซ็นเซอร์รวม ( เช่น เครื่องเขียนและ
non-stationary เซ็นเซอร์ )