下水道泛濫、塑料垃圾和水管漏水……荷蘭和全世界都面臨著地面以下和地面以上的水資源挑戰。佐蘭·卡佩蘭（zoran kapelan）教授說，僅僅依靠人類的努力還不足以解決這個問題。這就是為什么他一直在使用#人工智能#和機器學習。

 

 

氣候變化是城市地區與水有關的挑戰增加的部分原因，包括洪水、惡化的管道和塑料污染。城市水基礎設施教授佐蘭·卡佩蘭說，為了解決這些問題，我們不能僅僅依靠人類的努力和現有的模型和方法我們面臨的挑戰太多太復雜。比如，我們可以想象一下，在地下管道上檢測到的裂縫是如此之小，肉眼幾乎看不見，但最終可能造成巨大的破壞。

 

卡佩蘭認為，答案在于人工智能和機器學習等數字水技術傳感器可以通過收集相關數據幫助確定問題的嚴重程度。然后可以使用機器學習對其進行處理并提取有用的信息。這將最終導致智能工具和技術的發展，以應對這些挑戰。

 

 

其中一項智能技術提供了一種檢測飲用水系統爆裂和泄漏的有效方法。在這項技術的發源地英國，有時多達20%的水在到達用戶之前就會流失。卡佩蘭說：“在我們安裝這個系統之前，人們經常向自來水公司報告爆裂和泄漏情況，這通常是在相當長的時間內完成的。此外，一些較小的爆發數周或數月都沒有被發現，因為水不會出現在表面上。目前的系統使用人工智能和機器學習技術來收集和處理來自壓力和流量傳感器的實時數據。它會自動發出警報，然后供供水公司使用。”

 

另一種智能技術檢測下水道系統中的管道故障。與之前的技術不同，這項技術使用人工智能和機器學習來處理攝像頭圖像，以檢測下水道中的故障，如裂縫和移位的接縫。卡佩蘭說：“在這項創新之前，有人必須花費數小時觀察管道中攝像機拍攝的圖像。這是一個非常費力的過程，故障往往無法被發現，有時可能會造成嚴重后果，如洪水和污染。”

 

 

應用智能技術應對與水相關的挑戰被稱為智能水或數字水。卡佩蘭說，盡管智能技術在水工程領域興起，但仍有很長的路要走：“我們目前的情況往往是數據豐富，信息貧乏。你最終得到了大量的數據，這些數據幾乎沒有被使用。幸運的是，傳統上相當保守、對風險不利的水務部門正逐漸意識到使用基于人工智能的新技術的優勢。”

 

代爾夫特理工大學的聲譽及其豐富的水相關技術歷史吸引卡佩蘭于2018年來到荷蘭繼續他的研究。他堅信，水資源部門和科學應該聯合起來，我們正與水務部門的合作伙伴密切合作，將數據轉化為有用的信息和應用程序。

 

卡佩蘭目前正在開發兩個智能水項目，其中一個與kwr和waternet合作其目的是改善廢水處理廠的實時運行和控制，從而控制未來溫室氣體（n20）的排放。另一個項目是與rijkswaterstaat和初創公司noria合作的，重點是開發新技術來監測、檢測和量化城市水道中的塑料。我們將與noria和rijkswaterstaat一起開發新的方法和知識，最終轉化為實用的軟件工具。

 

可以肯定地說，卡佩蘭是人工智能和機器學習應用于水工程領域的先驅。從高中時代起，編程和編碼軟件就讓他著迷那是在20世紀80年代，當時數字技術還處于初級階段。20世紀90年代中期，我開始在學術層面上研究人工智能。到那時，它已經取得了一些進步，但它仍然主要是以研究為基礎的。直到最近10到15年，人工智能和機器學習才在水利部門得到實際應用。我們希望，與我們的合作伙伴一起，我們將能夠支持未來的水行業數字化。

 

文章來源：magiciandoctor