信昆侖同濟大學 教授
0 引言
2016年以來隨著谷歌公司開發的AlphaGO機器人分別贏得對世界圍棋冠軍李世石和柯潔的人機大戰，人工智能技術再一次進入全世界普通民眾的視野。伴隨著卷積神經網絡等一系列深度學習技術在相關應用領域的突破性進展，人工智能技術迎來21世紀以來的第一個爆發期。結合物聯網、大數據等科技發展趨勢，全球科技大國都在制定和實施以人工智能為核心的科技發展戰略。2017年7月，國務院印發了《新一代人工智能發展規劃》，提出了面向2030年我國新一代人工智能發展戰略。2019年3月，中央全面深化改革委員會第七次會議中，審議通過了《關于促進人工智能和實體經濟深度融合的指導意見》。會議中指出，促進人工智能和實體經濟深度融合，堅持以產業應用為目標，結合不同行業、不同區域特點，探索創新成果應用轉化的路徑和方法，構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。
人工智能（Artificial Intelligent,簡稱AI）是計算機學科的一個分支，被認為是21世紀三大尖端技術（基因工程、納米科學、人工智能）之一。自該領域建立以來，人工智能歷經60余年發展，已經形成了以神經網絡、機器學習、專家系統等為核心算法，以計算機視覺、自然語言處理、機器人等為主要應用領域的學科體系。判斷機器是否具有智能的一個著名觀點是圖靈測試（The Turing test）。圖靈測試由艾倫·麥席森·圖靈發明，指測試者與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果機器讓平均每個參與者做出超過30%的誤判，那么這臺機器就通過了測試，并被認為具有人類智能。2018年5月，谷歌母公司 Alphabet 董事長John Hennessy 表示,谷歌公司的AI打電話應用Duplex已經部分通過了圖靈測試，標志著人工智能在自然語言處理領域發展到了新的階段。
供水系統作為城市社會經濟發展的生命線工程之一，其技術也隨著通訊技術、物聯網技術等的不斷進步而發展革新。其中智慧水務已成為供水領域的熱點。自2008年IBM提出智慧地球理念以來，其內涵不斷充實和發展，2009年IBM正式提出了“智慧的城市”愿景，并指出城市由服務體系、居民與社會組織、交通、通訊、水和能源等核心系統組成。由此，智慧水務作為其中的重要組成部分也日益得到關注。對于供水系統而言，智慧水務就是依托傳感器、人工智能、自動控制、大數據分析、增強現實等技術，通過對系統中壓力、流量、水質等參數的在線采集，借助以人工智能為核心分析手段對供水系統狀態進行認知和決策，進而通過閥門、泵站等設施實現供水系統的工藝優化運行、漏損控制、節能調度、水質安全保障等控制過程。
如果把供水系統比作一個人類生物個體，水量、水壓、水質等傳感設備就類似人的眼睛、鼻子、耳朵等感覺器官，負責采集和接收系統信息，這些信息通過相當于人體神經傳導系統的通訊系統傳輸至供水系統控制中心,由部署在中心的決策系統對信息進行類似人類大腦神經系統的認知、分析和決策，再通過下行的通訊系統控制水泵、閥門（相當于人體的四肢）等設備做出相應的動作，以實現供水系統的智能化運行。顯然，作為認知與決策中樞的控制中心是實現智慧供水的關鍵，而其依賴的核心就是人工智能技術，見圖1。
人工智能技術在供水系統的主要應用場景包括設計、運行管理、調度決策等各個層面。在人工智能技術呈現爆發式發展之前，國內外同行基于傳統的最優化算法、數據挖掘等技術，在供水優化設計、優化調度等領域已取得大量的研究和應用成果。但限于傳感器、通訊技術以及核心算法等發展水平，供水系統智能化在相當一段時間內發展的不溫不火。伴隨著在物聯網、無線通訊、人工智能算法等領域的技術突破，供水行業的智能化應用也開始呈加速發展態勢。我國擁有體量龐大的智慧水務市場，尤其是近年我國在供水漏損控制等領域的政策導向，促進了以智能水表、在線流量計、水量監控信息化平臺等為代表的智慧水務相關技術和設備的迅速發展。以下就目前人工智能技術在供水行業中的應用情況作簡要分析。
1.1 群體智能算法在供水系統優化中的應用
以遺傳算法為代表的群體智能搜索技術已廣泛應用于供水管網的優化設計、泵站優化調度等組合優化問題。其特點是通過優化算法，結合水力模型工具，從大量可能的設計/運行方案中選出最優的方案，以達到節約費用、提高運行可靠性等目標。我國南京、佛山、廣州等城市水司均開展過基于優化算法的供水系統節能調度研究，這些可以認為是人工智能在供水行業領域應用的早期形態。隨著水量水壓在線監測條件的不斷完善，可用于優化運行分析的在線監測數據不斷豐富，國內外同行已開始將新一代AI技術應用于供水系統節能等運行優化問題。如英國聯合公用事業集團(United Utilities)利用加拿大Emagin公司的AI平臺HARVI對天氣、水量、水泵性能等數據分析，在英國奧爾德姆部分區域實現節能22％；我國也已有相關研究將長短時記憶神經網絡（LSTM）、機器學習等AI技術用于城市用水量預測、供水水質異常檢測中，取得了較好的效果。
1.2 機器學習算法在供水系統運行狀態診斷中的應用
機器學習算法是人工智能技術的子集，是由機器（計算機）根據輸入的樣本數據對模型進行認知訓練，利用經過訓練的模型對系統狀態進行辨識和預測。機器學習的特征是隨著訓練樣本的不斷增多，其模型輸出也愈發準確，類似于人類個體自然成長的學習認知過程。基于機器學習算法結合運行監測數據對供水系統各環節過程中的運行狀態進行智能診斷/行為預測具有廣闊的應用前景。例如，通過深度學習神經網絡算法，基于管網在線壓力監測數據結合供水管網水力模型，可實現對爆管點位精確的定位；又如，已有大量研究利用以人工神經網絡為核心的算法,進行膜法水處理工藝中膜通量下降過程的預測并取得良好效果；再如，在供水系統資產管理領域，發源于美國的Fracta公司運用AI技術開展了供水管道失效概率（Likelihood of Failure，LOF）及相關風險評估的咨詢業務，為供水公司提供管道更新改造提供決策支持。此外，基于機器學習算法的相關技術也已應用于突發污染事件的污染源定位、水廠工藝過程參數優化控制等方面。
1.3 語音圖像識別及深度學習技術的應用
語音與圖像識別是目前人工智能技術應用最成功的領域，已廣泛應用于安檢、平臺認證、在線客服等行業。在供水行業中，語音圖像識別也有廣泛的應用場景。例如杭州臨安、蕭山等供水企業與國內知名語音識別科技企業合作，推出智能語音客服接聽用戶水費賬單查詢等業務。未來智能語音客服會進一步擴展至用戶水質投訴、漏損爆管事件上報等業務。此外，在圖像識別應用方面，國內外已有水廠開展關于利用圖像識別礬花形態進而對沉淀池加藥工藝進行調控的研究應用；此外，國內供水企業已大量開展基于手機APP的智能抄表作業，通過圖像識別技術對抄表作業中所拍攝的水表照片進行分析，以評估抄表業務的質量等。
1.4 智能物聯網在供水智慧化管理中的應用
智能物聯網在供水行業中的典型應用是自動抄表（Automatic Metering Reading）。通過有線/無線傳輸的自動抄表，極大促進了企業對供水系統中實時水量的認識和分析，在漏損控制中發揮了重要作用。在水廠運行管理中，利用各類智能物聯網終端設備，對處理工藝中的加藥、反沖洗等實現智能控制和安全優化運行，打造人工智能時代的智慧水廠已成為目前供水行業追求的熱點目標。通過遠程自動控制閥門進行管網中供水壓力的實時調節，從而減少潛在的管網漏損也在部分水司取得了良好的效果；此外，智能管材、智能消火栓等一系列基于傳感器和通訊技術的新型供水設施也已在行業內得到越來越多的關注。在管道漏損智能探測方面，美國麻省理工學院的研究團隊發明了機器人裝置PipeGuard，可以通過管道內水力驅動或者自身電力驅動，在不停水和無需開挖的情況下即可實現對漏點位置的檢測，已在美國、沙特等的測試案例中取得了良好效果。隨著物聯網技術的快速發展，供水行業中的各類智能設備還將進一步在硬件端集成智能分析技術，從而使智能設備與智能算法更充分地融合和集成，見表1。
2 人工智能技術在供水行業發展應用的
制約問題
總體上，人工智能技術在供水行業的應用尚處于初級階段，其所需的條件尚不夠完善。全面實現供水系統中的智慧化運行管理，需要構建數據生態、AI算法、計算能力等三大基石。首先，為使供水系統數據在質量和數量上都能滿足相關智能模型的建模要求，需要發展相應的數據治理、數據挖掘等技術，形成供水數據管理層面的完整生態。然而，目前行業存在重設備、輕數據，重采集、輕分析等現象（見表2）。造成上述問題的根本原因在于數據平臺缺乏統一規劃，數據共享機制不夠完善，供水企業應著重就此盡早補齊短板，以免制約人工智能技術在供水行業應用的快速開展。其次，需要針對供水行業的智能化應用情景構建相應的分析決策算法。傳統的機器學習算法包括遺傳算法、BP神經網絡、聚類分析等，目前以卷積神經網絡為代表的深度學習算法已在許多領域取得成功應用，供水行業應充分借鑒和吸收人工智能科學與技術領域的最新成果，形成解決本行業典型問題的創新思路。最后，隨著數據分析量的增長、AI算法對于高計算負荷的特征需求，要求供水企業有足夠的計算能力作為保證，必要時可將智能分析應用遷移至具有更龐大算力的云計算平臺。
3 人工智能技術在供水行業的未來發展展望
構造供水系統的數字孿生體是未來供水系統人工智能應用的核心目標。數字孿生技術通過對現實供水系統的體系化計算機仿真建模，通過數據及模型更新機制保持現實系統與虛擬系統的同步性，使虛擬系統與現實系統在結構、狀態、行為上呈現如孿生兄弟一樣的特征，進而通過對系統之間的實時同步參照進行狀態行為的診斷、預測與決策，以保持供水系統始終處于最優運行狀態，實現能耗節約和漏損控制等目標。以供水管網為例，通過對實體管網的模擬仿真在計算機端建立實時在線模型，該模型既能根據管網在線監測的壓力、流量數據實時校核模型，又能通過模型與實際管網的狀態差異發現實際管網中的未知問題，最終實現真實管網與在線模型信息互相融合、狀態互相依賴的實時同步狀態。更為關鍵的是，通過對狀態數據的持續吸收和深度學習，供水管網的數字孿生體可以更系統而且更細致地反映實體管網內在的水力水質規律，從而可利用在線模型的分析診斷和決策能力，為真實管網的漏損識別、污染偵測、優化調度等提供分析決策手段，準確預測未來行為并做出智能決策。
邊緣計算是人工智能在供水系統感知端實現高層次應用的又一重要發展方向。全球智能移動終端的快速發展,正在構建一個萬物互聯、萬物感知的智能社會。物聯網的迅速發展又催生了將計算分析功能前移至感知前端的邊緣計算系統。在供水行業，各類傳感器的普及應用為邊緣計算提供了廣闊的發展空間。以漏損控制領域為例，各類漏損信號感知的終端設備可以基于設備端的邊緣計算實時探測漏點位置，減少由于信號傳輸條件等通訊因素對其應用的限制，同時也免除了企業在為此需要構建服務器端分析計算環境的成本負擔。在以水泵、閥門、水表、流量計等設備為代表的智能物聯網終端領域，邊緣計算都存在巨大的市場機遇和技術前景。
4 結論
綜上所述，智慧供水是供水行業的未來，有明確的發展趨勢和極具吸引力的前景，但目前人工智能在供水行業中的研究及應用尚處于起步階段，相關人工智能技術也僅限于弱人工智能甚至傳統的分析算法階段，以深度學習為代表的新一代人工智能技術尚未在水處理工藝優化、健康診斷、漏損控制與節能等各個方面得到持續推廣和深度應用；同時，作為人工智能技術應用的關鍵性前提，供水行業的數據生態尚未建立，智慧水務建設過程中所形成的爆炸式數據增長仍未得到充分有效地的利用；此外，盡管以在線水表為代表的供水物聯網設備取得了快速發展，并有力推動了智慧供水從概念到實施層面的不斷進步，但需要認識到，智慧供水未來必然是集感知-診斷-決策-控制為一體的智能體系，需要結合供水業務需求，圍繞數據、算法和智能硬件等層面開展全方位理論探索與技術革新，更需要供水行業對智慧供水的現狀、發展路線和目標形成共識，切實踐行人工智能與實體經濟深度融合的國家戰略，共同努力以實現我國供水行業由傳統保障型向新型智慧服務型的轉變。
