यह शोधपत्र डीप लर्निंग (डीएल)-आधारित पूर्वानुमान मॉडल के लिए एक मजबूती मूल्यांकन रूपरेखा प्रस्तुत करता है, जो कि विनिर्माण और ऊर्जा वितरण जैसे साइबर-भौतिक प्रणालियों (सीपीएस) में उत्पन्न जटिल समय-श्रृंखला डेटा का उपयोग करने वाले पूर्वानुमान मॉडलिंग और स्वास्थ्य प्रबंधन (पीएचएम) के लिए है। मौजूदा मजबूती मूल्यांकन की सीमाएँ हैं कि वे औपचारिक सत्यापन या प्रतिकूल हस्तक्षेप पर ध्यान केंद्रित करते हैं और वास्तविक सीपीएस वातावरण की जटिलता को पर्याप्त रूप से प्रतिबिंबित करने में विफल होते हैं। इस शोधपत्र में, हम वितरणात्मक मजबूती के आधार पर एक व्यावहारिक मजबूती परिभाषा का प्रस्ताव करते हैं और सेंसर बहाव, शोर और अनियमित नमूनाकरण जैसी यथार्थवादी गड़बड़ी का अनुकरण करके वास्तविक सीपीएस डेटासेट पर पूर्वानुमान मॉडल की मजबूती का गहन विश्लेषण करने के लिए एक व्यवस्थित रूपरेखा प्रस्तुत करते हैं। हम विभिन्न डीएल आर्किटेक्चर (पुनरावर्ती, संवलनशील, ध्यान-आधारित, मॉड्यूलर और संरचित राज्य-स्थान मॉडल सहित) पर अनुभवजन्य अध्ययनों के माध्यम से प्रस्तावित दृष्टिकोण की प्रयोज्यता और प्रभावशीलता को प्रदर्शित करते हैं, और आगे के शोध और पुनरुत्पादन को प्रोत्साहित करने के लिए मजबूती बेंचमार्क का खुलासा करते हैं।
