2016年以来随着谷歌公司开发的AlphaGO机器人分别赢得对世界围棋冠军李世石和柯洁的人机大战，人工智能技术再一次进入全世界普通民众的视野。伴随着卷积神经网络等一系列深度学习技术在相关应用领域的突破性进展，人工智能技术迎来21世纪以来的第一个爆发期。结合物联网、大数据等科技发展趋势，全球科技大国都在制定和实施以人工智能为核心的科技发展战略。2017年7月，国务院印发了《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展战略。2019年3月，中央全面深化改革委员会第七次会议中，审议通过了《关于促进人工智能和实体经济深度融合的指导意见》。会议中指出，促进人工智能和实体经济深度融合，坚持以产业应用为目标，结合不同行业、不同区域特点，探索创新成果应用转化的路径和方法，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。

人工智能（Artificial Intelligent,简称AI）是计算机学科的一个分支，被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。自该领域建立以来，人工智能历经60余年发展，已经形成了以神经网络、机器学习、专家系统等为核心算法，以计算机视觉、自然语言处理、机器人等为主要应用领域的学科体系。判断机器是否具有智能的一个著名观点是图灵测试（The Turing test）。图灵测试由艾伦·麦席森·图灵发明，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。2018年5月，谷歌母公司 Alphabet 董事长John Hennessy 表示,谷歌公司的AI打电话应用Duplex已经部分通过了图灵测试，标志着人工智能在自然语言处理领域发展到了新的阶段。

供水系统作为城市社会经济发展的生命线工程之一，其技术也随着通讯技术、物联网技术等的不断进步而发展革新。其中智慧水务已成为供水领域的热点。自2008年IBM提出智慧地球理念以来，其内涵不断充实和发展，2009年IBM正式提出了“智慧的城市”愿景，并指出城市由服务体系、居民与社会组织、交通、通讯、水和能源等核心系统组成。由此，智慧水务作为其中的重要组成部分也日益得到关注。对于供水系统而言，智慧水务就是依托传感器、人工智能、自动控制、大数据分析、增强现实等技术，通过对系统中压力、流量、水质等参数的在线采集，借助以人工智能为核心分析手段对供水系统状态进行认知和决策，进而通过阀门、泵站等设施实现供水系统的工艺优化运行、漏损控制、节能调度、水质安全保障等控制过程。

如果把供水系统比作一个人类生物个体，水量、水压、水质等传感设备就类似人的眼睛、鼻子、耳朵等感觉器官，负责采集和接收系统信息，这些信息通过相当于人体神经传导系统的通讯系统传输至供水系统控制中心,由部署在中心的决策系统对信息进行类似人类大脑神经系统的认知、分析和决策，再通过下行的通讯系统控制水泵、阀门（相当于人体的四肢）等设备做出相应的动作，以实现供水系统的智能化运行。显然，作为认知与决策中枢的控制中心是实现智慧供水的关键，而其依赖的核心就是人工智能技术，见图1。

人工智能技术在供水系统的主要应用场景包括设计、运行管理、调度决策等各个层面。在人工智能技术呈现爆发式发展之前，国内外同行基于传统的最优化算法、数据挖掘等技术，在供水优化设计、优化调度等领域已取得大量的研究和应用成果。但限于传感器、通讯技术以及核心算法等发展水平，供水系统智能化在相当一段时间内发展的不温不火。伴随着在物联网、无线通讯、人工智能算法等领域的技术突破，供水行业的智能化应用也开始呈加速发展态势。我国拥有体量庞大的智慧水务市场，尤其是近年我国在供水漏损控制等领域的政策导向，促进了以智能水表、在线流量计、水量监控信息化平台等为代表的智慧水务相关技术和设备的迅速发展。以下就目前人工智能技术在供水行业中的应用情况作简要分析。

1.1 群体智能算法在供水系统优化中的应用

以遗传算法为代表的群体智能搜索技术已广泛应用于供水管网的优化设计、泵站优化调度等组合优化问题。其特点是通过优化算法，结合水力模型工具，从大量可能的设计/运行方案中选出最优的方案，以达到节约费用、提高运行可靠性等目标。我国南京、佛山、广州等城市水司均开展过基于优化算法的供水系统节能调度研究，这些可以认为是人工智能在供水行业领域应用的早期形态。随着水量水压在线监测条件的不断完善，可用于优化运行分析的在线监测数据不断丰富，国内外同行已开始将新一代AI技术应用于供水系统节能等运行优化问题。如英国联合公用事业集团(United Utilities)利用加拿大Emagin公司的AI平台HARVI对天气、水量、水泵性能等数据分析，在英国奥尔德姆部分区域实现节能22％；我国也已有相关研究将长短时记忆神经网络（LSTM）、机器学习等AI技术用于城市用水量预测、供水水质异常检测中，取得了较好的效果。

1.2 机器学习算法在供水系统运行状态诊断中的应用

机器学习算法是人工智能技术的子集，是由机器（计算机）根据输入的样本数据对模型进行认知训练，利用经过训练的模型对系统状态进行辨识和预测。机器学习的特征是随着训练样本的不断增多，其模型输出也愈发准确，类似于人类个体自然成长的学习认知过程。基于机器学习算法结合运行监测数据对供水系统各环节过程中的运行状态进行智能诊断/行为预测具有广阔的应用前景。例如，通过深度学习神经网络算法，基于管网在线压力监测数据结合供水管网水力模型，可实现对爆管点位精确的定位；又如，已有大量研究利用以人工神经网络为核心的算法,进行膜法水处理工艺中膜通量下降过程的预测并取得良好效果；再如，在供水系统资产管理领域，发源于美国的Fracta公司运用AI技术开展了供水管道失效概率（Likelihood of Failure，LOF）及相关风险评估的咨询业务，为供水公司提供管道更新改造提供决策支持。此外，基于机器学习算法的相关技术也已应用于突发污染事件的污染源定位、水厂工艺过程参数优化控制等方面。

1.3 语音图像识别及深度学习技术的应用

语音与图像识别是目前人工智能技术应用最成功的领域，已广泛应用于安检、平台认证、在线客服等行业。在供水行业中，语音图像识别也有广泛的应用场景。例如杭州临安、萧山等供水企业与国内知名语音识别科技企业合作，推出智能语音客服接听用户水费账单查询等业务。未来智能语音客服会进一步扩展至用户水质投诉、漏损爆管事件上报等业务。此外，在图像识别应用方面，国内外已有水厂开展关于利用图像识别矾花形态进而对沉淀池加药工艺进行调控的研究应用；此外，国内供水企业已大量开展基于手机APP的智能抄表作业，通过图像识别技术对抄表作业中所拍摄的水表照片进行分析，以评估抄表业务的质量等。

1.4 智能物联网在供水智慧化管理中的应用

智能物联网在供水行业中的典型应用是自动抄表（Automatic Metering Reading）。通过有线/无线传输的自动抄表，极大促进了企业对供水系统中实时水量的认识和分析，在漏损控制中发挥了重要作用。在水厂运行管理中，利用各类智能物联网终端设备，对处理工艺中的加药、反冲洗等实现智能控制和安全优化运行，打造人工智能时代的智慧水厂已成为目前供水行业追求的热点目标。通过远程自动控制阀门进行管网中供水压力的实时调节，从而减少潜在的管网漏损也在部分水司取得了良好的效果；此外，智能管材、智能消火栓等一系列基于传感器和通讯技术的新型供水设施也已在行业内得到越来越多的关注。在管道漏损智能探测方面，美国麻省理工学院的研究团队发明了机器人装置PipeGuard，可以通过管道内水力驱动或者自身电力驱动，在不停水和无需开挖的情况下即可实现对漏点位置的检测，已在美国、沙特等的测试案例中取得了良好效果。随着物联网技术的快速发展，供水行业中的各类智能设备还将进一步在硬件端集成智能分析技术，从而使智能设备与智能算法更充分地融合和集成，见表1。

总体上，人工智能技术在供水行业的应用尚处于初级阶段，其所需的条件尚不够完善。全面实现供水系统中的智慧化运行管理，需要构建数据生态、AI算法、计算能力等三大基石。首先，为使供水系统数据在质量和数量上都能满足相关智能模型的建模要求，需要发展相应的数据治理、数据挖掘等技术，形成供水数据管理层面的完整生态。然而，目前行业存在重设备、轻数据，重采集、轻分析等现象（见表2）。造成上述问题的根本原因在于数据平台缺乏统一规划，数据共享机制不够完善，供水企业应着重就此尽早补齐短板，以免制约人工智能技术在供水行业应用的快速开展。其次，需要针对供水行业的智能化应用情景构建相应的分析决策算法。传统的机器学习算法包括遗传算法、BP神经网络、聚类分析等，目前以卷积神经网络为代表的深度学习算法已在许多领域取得成功应用，供水行业应充分借鉴和吸收人工智能科学与技术领域的最新成果，形成解决本行业典型问题的创新思路。最后，随着数据分析量的增长、AI算法对于高计算负荷的特征需求，要求供水企业有足够的计算能力作为保证，必要时可将智能分析应用迁移至具有更庞大算力的云计算平台。

构造供水系统的数字孪生体是未来供水系统人工智能应用的核心目标。数字孪生技术通过对现实供水系统的体系化计算机仿真建模，通过数据及模型更新机制保持现实系统与虚拟系统的同步性，使虚拟系统与现实系统在结构、状态、行为上呈现如孪生兄弟一样的特征，进而通过对系统之间的实时同步参照进行状态行为的诊断、预测与决策，以保持供水系统始终处于最优运行状态，实现能耗节约和漏损控制等目标。以供水管网为例，通过对实体管网的模拟仿真在计算机端建立实时在线模型，该模型既能根据管网在线监测的压力、流量数据实时校核模型，又能通过模型与实际管网的状态差异发现实际管网中的未知问题，最终实现真实管网与在线模型信息互相融合、状态互相依赖的实时同步状态。更为关键的是，通过对状态数据的持续吸收和深度学习，供水管网的数字孪生体可以更系统而且更细致地反映实体管网内在的水力水质规律，从而可利用在线模型的分析诊断和决策能力，为真实管网的漏损识别、污染侦测、优化调度等提供分析决策手段，准确预测未来行为并做出智能决策。

边缘计算是人工智能在供水系统感知端实现高层次应用的又一重要发展方向。全球智能移动终端的快速发展,正在构建一个万物互联、万物感知的智能社会。物联网的迅速发展又催生了将计算分析功能前移至感知前端的边缘计算系统。在供水行业，各类传感器的普及应用为边缘计算提供了广阔的发展空间。以漏损控制领域为例，各类漏损信号感知的终端设备可以基于设备端的边缘计算实时探测漏点位置，减少由于信号传输条件等通讯因素对其应用的限制，同时也免除了企业在为此需要构建服务器端分析计算环境的成本负担。在以水泵、阀门、水表、流量计等设备为代表的智能物联网终端领域，边缘计算都存在巨大的市场机遇和技术前景。

综上所述，智慧供水是供水行业的未来，有明确的发展趋势和极具吸引力的前景，但目前人工智能在供水行业中的研究及应用尚处于起步阶段，相关人工智能技术也仅限于弱人工智能甚至传统的分析算法阶段，以深度学习为代表的新一代人工智能技术尚未在水处理工艺优化、健康诊断、漏损控制与节能等各个方面得到持续推广和深度应用；同时，作为人工智能技术应用的关键性前提，供水行业的数据生态尚未建立，智慧水务建设过程中所形成的爆炸式数据增长仍未得到充分有效地的利用；此外，尽管以在线水表为代表的供水物联网设备取得了快速发展，并有力推动了智慧供水从概念到实施层面的不断进步，但需要认识到，智慧供水未来必然是集感知-诊断-决策-控制为一体的智能体系，需要结合供水业务需求，围绕数据、算法和智能硬件等层面开展全方位理论探索与技术革新，更需要供水行业对智慧供水的现状、发展路线和目标形成共识，切实践行人工智能与实体经济深度融合的国家战略，共同努力以实现我国供水行业由传统保障型向新型智慧服务型的转变。