歡迎進入湖北思源水務工程技術有限公司官網！
- 24小時客服熱線：187 0728 4097
在今天的故事正式開篇之前，我們先一起來看一個名詞解釋，什么是人工智能？
人工智能，英文全稱Artificial Intelligence，簡稱為AI。若以簡單的語句給出解釋，即將人類的智慧附加到機器人的芯片中，使其完成一些困難的任務。
AI 的水務足跡
而如今，AI也開始逐漸展示出它在水務行業上的使用優勢，正在幫助市政和工業終端用戶更簡單便捷地模擬和預測管網狀態以及過程。除了水務行業巨頭外，一些技術初創公司也正在尋求這一市場機遇。
根據英國？巳卮髮W水利系統工程教授Zoran Kapelan的說法，在水處理工程中，AI 通常指代那些通過模仿人類思維的認知功能來解決問題的技術。
那么，機器學習又是什么呢？我們在下圖中簡單地類比了一下機器學習和人腦學習。
可以發現，AI技術其實和人類大腦的工作原理非常相似。我們知道，當我們的大腦從外界獲取信息時，會通過大腦中的多個神經元對信息進行傳遞和加工，最后輸出結果。AI便是仿造了人類大腦的計算模型，加入了大量的類似神經元的“節點”，對數據進行學習并輸出預測結果。這也就是我們通常所說的“人工神經網絡”(Artificial Neural Networks，ANN)。而基于強大的機器學習能力，隨著所獲取和處理的數據量逐漸增多，最終的預測結果也將更加準確。
據不完全統計，現階段AI在水處理領域中的應用程序主要有：資產管理、漏損監測以及基于圖像識別功能的管網健康檢測等。
近年來，隨著計算能力的進步和微型芯片成本的下降，“人工神經網絡”的應用也逐漸普及。進入20世紀90年代后，這一模型開始應用于水資源管理，如預測地表徑流和河流流量等。然而，直到十年前，這一模型才逐步應用到公用事業的相關部門中。而相較于在油氣、采礦和發電等其他工業部門中的廣泛應用，AI在水務部門的應用案例卻較少受到關注。
盡管在過去十年中的表現略顯平淡，近兩年AI在水務市場的發展卻相當活躍。去年至少有三家水務AI技術的初創公司進入市場（其中包括下文中介紹的Pluto AI和EMAGIN Clean Technologies Inc.）。除此之外，還有以色列的水資源管理公司TaKaDu、以及2017年全球水獎技術突破大獎得主Water Planet。Water Planet的專利技術Intelliflux是一種基于機器學習算法的膜控制超濾系統，它可以通過感應系統中進水水質的不同，來制定膜反沖洗的最佳周期和壓力參數，從而降低運營成本。
不僅如此，科技巨頭IBM也開始將其在AI領域主推的核心技術Watson平臺應用于水資源管理（Watson是一個通過自然語言處理和機器學習，從非結構化數據中揭示洞察的技術平臺。2011年，Watson在一檔名為《危險邊緣》的電視智力競賽節目中贏了人類冠軍對手，從此名聲大噪。）
這些用于優化水務運營系統的軟件產品，通過建立水資源管理的分析平臺，已經被許多公司成功使用在管網監測和優化中，并幫助地方水司根據需求對泵和閥門的調度進行智能化監控。
數字化水務模型是現在許多智能化水廠使用較多的一種數據收集和分析軟件，同時也應用于許多工業企業。然而，由于這些產業通常是資源密集型的，當需要對大量的數據進行實時分析時，普通數字模型的計算效率便有些不盡如人意。舉個例子來說，某個水司安裝了近一萬個傳感器，類比至我們前面所提到的“人工神經網絡”中，這一萬個傳感器就相當于一萬個數據傳輸節點，它們需要在極短的時間間隔內向控制中心輸送信息。要完成這樣的實時數據分析可并不容易，但AI卻能輕松應對。憑借其豐富的經驗和強大的計算能力，AI可以將這些數據加工并壓縮成有效的信息，使水司能夠在各種突發的狀況下獲得主動權。
“之前我們通常是通過控制室中的某個軟件對數據進行收集以用于管網監控，但所能做的也僅僅是這些。如果你希望對數據量有更大的擴展，這些基于物理計算的模型就不再適用！ Kapelan告訴GWI，“這也是人們開始開發AI應用程序的原因之一，因為越來越多的企業需要從大量的數據中實時提取真正有用的信息。不僅如此，AI的應用程序還能節省大量的人力和軟件搭建的成本！
EMAGIN Clean Technologies Inc.，作為加拿大安大略省的一家初創公司，其聯合創始人兼首席執行官Thouheed Abdul Gaffoor，已經開始在水司中試用其基于AI技術的智能決策支持系統。這一系統可以有效幫助水司實現泵、壓力閥和儲存系統綜合控制的成本效益和效率最大化。同時，它的實時虛擬智能自適應控制系統（Hybrid Adaptive Real-Time Virtual Intelligence，HARVI），通過對輸入和輸出的數據關系進行學習，能夠提供提前24小時的卓越預測技術。
“一旦我們連接到水司的監測控制和數據采集系統（SCADA），我們就可以直接從數據中了解該系統的域關系，無需再聘請專業顧問來構建和校準數字物理模型，可以節省大量的時間和資源！ Abdul Gaffoor說。
AI vs 數字模型/ 不評優劣，各取所長
機器學習技術還能夠處理各種形式的非結構化數據。Pluto AI是一家從事智能化水資源管理的初創公司。它開發了一種分析引擎，通過深度學習的方式，量化水廠的所有資產狀況，幫助水司和工業終端用戶更好地管理水務資產，降低運營成本。
Pluto AI CEO兼公司創始人Prateek Joshi告訴GWI，“從大量的數據中提取真正有意義及洞察力的信息是一項非常重要的任務，這也是Pluto AI誕生的原因！ Pluto AI利用各種機器學習技術，包括時間序列建模，預測分析，自動數據解析和自然語言處理等，搭建起監控解決方案。
然而，盡管AI擁有卓越的數據處理能力，但專家們并不期望AI技術能夠完全超越數字模型。
“我認為企業所真正希望的，是合理利用AI和數字模型各自的優點，并應用到適合的地方，各取所長！ Servelec Technologies網絡管理技術總監Alan Cunningham表示，Servelec Technologies 同時開發基于數值分析的管網優化軟件和基于人工神經網絡的管網流量預測工具。Cunningham 提到：“比起研究原因和結果，機器學習技術更多研究的是事物之間的關系！
而且，AI與數字模型相比，也并不總是常勝將軍。
“雖然機器學習可以用于做出決定，但如果所獲得的數據不夠完善，可能會做出錯誤的推斷！ Cunningham警告說。
這兩種方法的關鍵區別在于，數字模型軟件的操作過程更為透明，而AI則存在“黑匣子”的問題。
“對于人工神經網絡和隨機森林（Random Forest，另一種機器學習技術），很難讓人清晰地看到他的工作原理和過程是什么。因為這兩種方法從本質上來說，只是包含大量的數據處理，非線性函數和普通的數學計算，但并沒有涉及質量平衡或能量平衡方程，也沒有可以用于描述事物的物理性計算背景！ Cunningham說。
對于這一問題，Joshi強調說，Pluto AI正在點亮這個“黑匣子”，并努力讓過程“盡可能透明化”。
但盡管存在這些問題，AI技術的應用依然會增加，因為它已經滲透到人類活動的每一個方面。其中，水司的在運營管理上的變革可能是需要克服的一個比較大的障礙。
Kapelan提到，“現在許多水司還沒有足夠的人力資源能力來完全吸收這些新技術，并真正了解他們的工作原理。所以，對于想要采用AI技術的水司，作出相應的變革非常重要！
“他們可能將完全改變控制室運營和計劃人員的工作方式，因為AI技術與之前的數據分析方式完全不同。區別在于，有的企業可以很快對新技術作出調適，有的則需要很長時間！