概述
机器学习结果与研究数据和运行条件相关；它们并不取代本地工程或公共卫生评估。
深入探讨
EPA 指导将非营收水定义为未计费的水，并区分真实、表观和未计费的授权损失。声学泄漏检测研究分析记录的管道声音。其他研究使用经济控制进行泵调度，机器学习预测水质和流量的处理化学剂量，以及卫星影像进行土壤湿度估算。EPA EPANET 模拟分配网络中的流量、压力、罐位和化学浓度。水需求预测研究使用需求历史、日历和天气特征。结果特定于所引用的系统和研究。
现实世界的实施
EPA water-audit guidance distinguishes real losses, apparent losses and unbilled authorized consumption.
An acoustic leak-detection study classifies recorded pipe sounds under its evaluated conditions.
泵调度研究在网络约束下模拟能源成本降低。
卫星土壤湿度模型结合影像、实地真值和气候记录，为灌溉相关决策支持。
人工智能在水管理领域的未来
在投入运营前，验证模型与当地管道材料、运行条件和实地真值的一致性。报告误报、不确定性、水质保障和能源/液压约束。农业土壤湿度结果在指导灌溉前需要现场校准。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
不断探索
常见问题
什么是水资源管理中的人工智能？
水管理系统使用审计、传感器、网络模型和预测来支持公用事业和农场。机器学习结果与研究数据和运行条件相关；它们并不取代本地工程或公共卫生评估。
在所引用的 AI 泄漏检测研究中，系统分析了什么输入？
该研究将机器学习应用于其评估系统中的声学泄漏记录；结果并非对每个公用事业的声明。
根据 EPA，非营收水可以包括什么？
EPA 将非营收水定义为未计费的水，并区分真实损失、表观损失和授权未计费消耗。
所引用的泵调度研究使用了什么目标？
所引用的经济控制研究制定泵调度，以在其建模系统中满足操作约束的同时降低能源成本。
在所引用的处理研究中，机器学习模型预测了什么？
该研究评估了使用源水质量和流量输入的机器学习预测化学剂量。
EPA 的 EPANET 软件可以在分配网络中模拟什么？
EPA 列出了管道流量、节点压力、罐位和化学浓度等 EPANET 模拟输出。