Giới thiệu: Sự quản lý tính không dễ chịu ngày càng gia tăng

Hệ thống thoát nước là cột sống yên tĩnh của các thành phố hiện đại, được giao nhiệm vụ điều khiển nước mưa từ đường phố, nhà cửa và cơ sở hạ tầng quan trọng. khi thay đổi khí hậu làm tăng sự kiện mưa và dân số đô thị tăng mạnh, những mạng lưới lão hóa này phải đối mặt với căng thẳng chưa từng thấy. các sự kiện gây ra hàng tỉ đô la thiệt hại hàng năm, với sự thất bại do tiêu hao gây ra gây ra sự sửa chữa khẩn cấp, mất tài sản và các mối nguy hiểm sức khỏe công cộng. bảo trì truyền thống sau khi chúng phá vỡ - là không đủ nữa. Sự tăng cường dữ liệu lớn đưa ra một phương pháp thay đổi dữ liệu: dự đoán thất bại trước khi chúng xảy ra, dự đoán và cuối cùng là xây dựng và cuối cùng là xây dựng các bài báo về sức mạnh thành phố.

Vai trò của dữ liệu lớn trong việc quản lý tính chất khô

Dữ liệu lớn phân tích trong quản lý thoát nước không chỉ là sự giám sát đơn giản mà còn là sự tích hợp tập hợp các bộ dữ liệu lớn, đa dạng có thể được từ các cảm biến, dịch vụ thời tiết, hệ thống thông tin địa lý (GIS) và hồ sơ lịch sử để phát hiện các mẫu không thấy được trong mắt thường. Bằng cách xử lý dữ liệu này thông qua các thuật toán học máy và mô phỏng mô phỏng, các nhà điều hành có thể phát hiện các sự cố bất thường, các đường ống hay sụp đổ, và cấp phát tài nguyên. Nền tảng của khả năng này nằm trong bộ dữ liệu mạnh và kỹ thuật phân tích tiên tiến.

Bộ sưu tập và nguồn dữ liệu

Hệ thống thoát nước hiện đại ngày càng được sử dụng với các thiết bị Internet (IoT). Nguồn dữ liệu chủ chốt bao gồm:

  • Cảm biến ống nước đo tốc độ, mực nước, áp suất và độ lỏng, thường được triển khai ở các khe hở quan trọng hoặc các điểm rắc rối đã biết.
  • Rain đo lường và radar thời tiết cung cấp lượng mưa cao, cả thời gian lịch sử và thực, thiết yếu cho sự kiện bão.
  • Hệ thống kiểm soát và xác định dữ liệu ) ) nắm giữ trạng thái bơm, vị trí van và cấp lưu trữ trên mạng.
  • Bản ghi bảo trì lịch sử ) chứa hồ sơ về những tắc nghẽn trong quá khứ, sụp đổ, sửa chữa và quay giám sát CCTV.
  • Các lớp như vật liệu ống nước, tuổi tác, đường kính, độ dốc, loại đất và đất dùng các đặc điểm.
  • Báo cáo của các phương tiện truyền thông và công dân (v. d., 331 cuộc gọi, báo cáo lũ lụt) cung cấp dữ liệu địa phương, sự thật mặt đất có thể tăng cường các quan sát cảm biến.

Thu thập dữ liệu ở quy mô đòi hỏi một cơ sở hạ tầng có khả năng đo lường, thường sử dụng tế bào, LoRaWAN, hoặc mạng lưới lưới lưới lưới lưới lưới lưới lưới. một thành phố trung bình có thể tạo ra hàng triệu bản đọc mỗi ngày, cần thiết để sử dụng các nền tảng lưu trữ và xử lý các cạnh mây.

Tiên đoán kỹ thuật phân tích

Một khi dữ liệu được tổng hợp lại, một số phương pháp phân tích được dùng để dự đoán thất bại:

  • Mô hình học tập ngắn hạn: Algrithms như rừng ngẫu nhiên, tăng tốc (XGBSt), và các mạng thần kinh học ngắn (LSTM) được đào tạo dựa trên dữ liệu thất bại lịch sử kết hợp với bộ nhạy và dữ liệu thời tiết. Ví dụ, [FL: 2] nghiên cứu xuất bản trong nước [MPI][FLT] dùng mô hình LSTM để dự đoán đường ống nước bằng cách chặn ống với 85% độ chính xác của các mẫu thời gian và lượng mưa.
  • Phát hiện bất thường: [FLT: 1] Phương pháp điều khiển (v. d., CUSM, Shewart) và các thống kê di chuyển dòng chảy bất ngờ hoặc áp lực trước khi sụp đổ. Những phương pháp này là tính toán nhẹ nhàng và chạy trong thời gian thực trên các thiết bị cạnh.
  • Mô hình mô phỏng Hydraulic: EPA SWMM (Mô hình quản lý nước) và các công cụ thương mại như Infoworks ICM được kết hợp với cách ứng xử của máy để dự đoán hệ thống trong nhiều tình huống bão khác nhau. “Các dữ liệu cảm biến thời gian thực kết hợp với dữ liệu thiết bị cảm biến thực với các động cơ mô phỏng để đánh giá tác động của thất bại mà không làm gián đoạn hoạt động trực tiếp.
  • Cách tiếp cận có thể:) Nhiều kỹ thuật tổng hợp phức tạp (dùng mô phỏng để tạo ra những kịch bản thất bại tổng hợp và máy học để nhận ra chữ ký của họ trong dữ liệu thực -- thu hồi cao hơn so với bất kỳ phương pháp nào.

Những kỹ thuật này giúp chính quyền từ “thỉnh thoảng không thể sửa chữa được nữa, nên ông dùng phương pháp này để giảm bớt các rủi ro về xe tải và giảm bớt các rủi ro gây lụt.

Lợi ích của việc dùng các phân tích dữ liệu lớn

Việc triển khai những phân tích dữ liệu lớn giúp cho việc ước lượng cải tiến trên cả hoạt động, tài chính và không gian an toàn công cộng.

Phát hiện các vấn đề khó khăn sớm

Bằng cách phân tích các mẫu lưu và áp suất, các thuật toán có thể phát hiện tắc nghẽn hình thành từ mỡ, mảnh vụn, hoặc xâm nhập rễ vài tuần trước khi ống dẫn lên. Chẳng hạn, thành phố South Bend, Indiana, triển khai bộ cảm biến thông minh hệ thống kết hợp với việc học tập để giảm thiểu sự kết hợp của các hệ thống ống dẫn (CSOs) đến 50% trong năm đầu tiên của hoạt động. Hệ thống xác định luồng nước khô được chỉ ra trong việc xâm nhập và trong dòng chảy (I/I), cho phép phục hồi mục tiêu.

Tiết kiệm chi phí

Bảo trì dự đoán làm giảm đáng kể chi phí sinh mạng. Việc sửa chữa khẩn cấp có thể tốn hơn 3–5 lần so với dự báo thay thế. Một báo cáo của Tổ chức Nghiên cứu Nước phát hiện rằng sử dụng các thiết bị phân tích dự đoán làm giảm chi phí hoạt động và bảo trì hàng năm 20–30%. Trong Anh, nước sông gìn giữ đã thực hiện một chương trình dự đoán dự đoán dự đoán mà tránh 10 triệu bảng trong trường hợp khẩn cấp sửa chữa hơn hai năm qua khi trước khi phân khúc đường ống có rủi ro cao.

Cải thiện sự an toàn và giảm nguy cơ bị lụt

Sự lũ lụt không những gây rối loạn mà còn gây chết đuối, dịch bệnh do nước gây ra và thiệt hại về cấu trúc. hệ thống cảnh báo sớm sử dụng dữ liệu lớn cho phép triển khai đúng lúc, máy bơm, hoặc thậm chí là tạm thời đóng cửa đường.

Lập kế hoạch định kỳ và lập kế hoạch thủ đô tăng cường

Sự hiểu biết được định hướng dữ liệu giúp ưu tiên nguồn vốn. Thay vì chỉ dựa vào độ tuổi ống (một dự đoán kém về điều kiện), rủi ro được xác định dựa trên dữ liệu cảm biến, thất bại lịch sử, và yếu tố môi trường cho thấy các đường ống có khả năng thất bại. Cách này thường được gọi là “sự quản lý tài sản có hạn, được hệ thống EPA Mỹ xác nhận qua [FL: 0] Cơ sở dữ liệu, Quản lý, Hoạt động và Bảo trì (M) [FL:1).

Thử thách và sự hướng dẫn trong tương lai

Dù hứa hẹn, việc tích hợp dữ liệu lớn thành việc quản lý hệ thống thoát nước không phải là điều không thể tránh khỏi.

Chất lượng dữ liệu và sự kết hợp

Dữ liệu lịch sử được đánh dấu là rất hiếm, thiếu hồ sơ số hóa về các sự kiện đã qua. Chất lượng kém dẫn đến những mô hình kém, một hiện tượng được gọi là “ném vào, vứt rác.

Chi phí xây dựng và an ninh mạng

Việc triển khai cảm biến Iot trên mạng lớn đòi hỏi đầu tư vốn. Một đồng hồ chạy có thể tốn 5.000–15.000 đô-la được cài đặt, và có thể cần hàng ngàn. Thêm vào đó, việc kết nối tài sản thoát nước tới mạng giới thiệu rủi ro mạng. Một diễn viên độc hại có thể xử lý dữ liệu nhạy cảm hoặc thậm chí điều khiển từ xa, gây ra máy bơm dự trữ lũ lụt. Mã hóa mã hoá mã hoá mạng, và cập nhật phần mềm bảo mật không thể thương mại.

Gap làm việc để làm việc

Các nhân viên công nghệ nước truyền thống thường là những kỹ sư dân sự hoặc nhà điều hành với sự đào tạo khoa học dữ liệu giới hạn. Ngược lại, các nhà khoa học có thể thiếu kiến thức về thủy điện và thủy lực cống.

Hướng tương lai

Cơn sóng tiếp theo của sự đổi mới sẽ thấy:

  • Máy tínhEdge mà tiến hành cảm biến dữ liệu địa phương để giảm chi phí độ trong suốt và băng thông, cho phép cảnh báo thời gian thực ngay cả trong vùng từ xa.
  • khi điều khiển thời gian thực nơi mà các cổng tự động và máy bơm điều chỉnh dựa trên các mô hình dự đoán, như được điều khiển trong “các dự án hệ thống cống rãnh thông minh ở thành phố tính ở Atlanta.
  • mà liên tục cập nhật với dữ liệu trực tiếp, cho phép các nhà điều hành để mô phỏng “nếu kịch bản của người máy - như một cơn bão 100 năm hoặc một đường ống sụp đổ - và kế hoạch phản ứng tối ưu hóa.
  • Học tập ) để đào tạo mô hình trên nhiều tiện ích mà không cần chia sẻ dữ liệu nhạy cảm, tăng độ chính xác mô hình trong khi bảo vệ sự riêng tư.

Khi công nghệ trưởng thành và giảm giá, những dữ liệu phân tích lớn sẽ trở thành thực hành chuẩn hơn là thí nghiệm. và áp lực để hiện đại hóa sẽ chỉ tăng thêm khi khí hậu có nguy cơ.

Kết luận

Các chất liệu lớn cung cấp một con đường rõ ràng để dự đoán và ngăn chặn sự thất bại, giảm số lượng lụt, tiết kiệm tiền và bảo vệ các cộng đồng. từ các thiết bị cảm biến và máy học đến các cặp sinh đôi và các thiết bị điều khiển tài sản có nguy cơ, các công cụ này có sẵn ngày nay.