基于云的人工智能系统以 90% 的准确率检测下水道堵塞，以减少河流污染

谢菲尔德大学、约克郡水务公司和西门子之间的一项非凡合作，催生了一种基于云的人工智能 (AI) 系统，该系统在检测下水道堵塞方面的准确率接近 90%。这一突破性进展有望在减少由下水道溢流事件引起的河流污染方面发挥关键作用。

通过战略计划应对污染

AI 系统的开发与雄心勃勃的“污染事件减少计划”相一致，该计划旨在到 2025 年将污染事件大幅减少 50%。该计划优先考虑早期干预，以防止由合流制下水道溢流 (CSO) 引起的污染。这些 CSO 充当下水道系统的泄压阀，在暴雨期间将多余的水释放到附近的水体中，以防止下游洪水。然而，当堵塞或其他问题扰乱系统时，可能会发生不必要的污染事件。

这项合作依赖于先进的传感器技术来实时监测 CSO 和下水道网络各部分的水深。鉴于涉及的传感器数量众多，人工分析变得不可行，因此需要实施自动化的 AI 系统。在与西门子合作开发的基于 AI 的解决方案被称为西门子水务 (SIWA) 堵塞预测器。

AI 的预测能力

SIWA 堵塞预测器利用 AI 通过分析降雨数据并与实际测量数据进行比较来预测水深，使用的是复杂的模糊逻辑 (FL) 算法。每当检测到异常高的水深时，系统会立即向水务公用事业公司生成警报，使其能够采取预防措施并避免污染事件。主要目标是在早期识别潜在堵塞，确保在造成污染之前得到解决。

一篇新发表的同行评审期刊文章评估了 SIWA 堵塞预测器在两年“历史”期和六个月“实时”期的表现。该文章还将其与之前的分析解决方案进行了比较分析。结果令人印象深刻，AI 系统在整个数据集中正确识别了 88.4% 的确认问题，而之前的解决方案的准确率仅为可怜的 26.6%。题为《基于云的人工智能分析以评估合流制下水道溢流性能》的完整文章可在《水资源规划与管理杂志》上找到。

环境保护的未来前景

谢菲尔德大学土木与结构工程系首席研究员 Will Shepherd 博士强调了这项创新在维持环保下水道系统方面的重要性。他指出，下水道网络最初并非设计用于应对暴雨，而 CSO 作为防止洪水的关键泄压阀至关重要。出于减少污染事件的承诺，这项合作努力侧重于在堵塞导致河流和水道污染之前识别并解决堵塞问题。

谢菲尔德大学土木与结构工程系水务基础设施工程教授 Joby Boxall 教授强调了协作方法在取得成功方面的重要性。他强调了在建立和维护高度信任的同时，认识和尊重每个合作伙伴的独特需求和抱负的重要性。

Mounce HydroSmart 总监 Stephen Mounce 博士对这一项目展示了 AI 和数据分析如何从早期项目的研究原型转变为部署在基于云的平台上的成熟、通用解决方案表示兴奋。他指出，该系统已在约克郡水务公司的 2,000 多个资产上进行了实际部署。

SIWA 堵塞预测器产品负责人 John Gaffney 博士称赞这次合作是一家科技公司从大学获取高技术水平 (TRL) 研究、将其产品化，并通过同行评审的科学向最终用户展示其价值的典范案例。他强调该产品在保护水道方面的关键作用，使该项目特别具有回报性。

谢菲尔德大学、约克郡水务公司和西门子之间的合作在 AI 驱动的环境保护方面取得了非凡成就。基于云的 AI 系统以接近 90% 的准确率检测下水道堵塞的能力，为减少河流污染提供了一条有希望的途径。随着技术的不断演变，像 SIWA 堵塞预测器这样的创新解决方案展示了 AI 在保护我们自然环境方面发挥关键作用的潜力。凭借对早期干预和减少污染事件的坚定承诺，这项合作努力为未来更清洁、更健康的航道带来了希望。