一项基于云的人工智能系统，旨在检测下水道堵塞，在最近的试验中显示出近90%的准确率。
谢菲尔德大学工程师们已经开发了一种人工智能系统，用于检测下水道堵塞并帮助减少河流污染。
与约克郡水公司和西门子合作开发的系统在最近的试验中显示出近90%的准确率。
该人工智能系统被用作“减少污染事件计划”的一部分，旨在通过早期干预将到2025年的污染事件减少50%。
早期识别下水道堵塞对减少影响我们河流的污染事件至关重要。
这个项目是谢菲尔德大学、约克郡水公司和科技公司西门子的合作，是“减少污染事件计划”的一部分，旨在通过早期干预将到2025年的污染事件减少50%。
下水道有“综合雨水溢出”（CSO），当管道因暴雨而满时，这些溢出的水体会流入附近的水体，避免下游洪水。这些漏水也可能是由于管道意外阻塞等原因造成的，导致我们的河流和水道不必要的污染。
传感器监测CSO中的水深，以及下水道网络的其他部分，实时了解其性能。传感器数量使手动分析变得不切实际，因此需要一个自动化系统。
该技术最初由谢菲尔德大学和约克郡水公司开发，用于改进他们以前的分析技术。这个与西门子的项目进一步将该工具发展成商业、基于云的解决方案 - 西门子Water（SIWA）堵塞预测器。
基于人工智能的解决方案使用降雨数据预测水深，并将这些数据与使用模糊逻辑（FL）算法测量的深度进行比较。FL会向水利部门提醒任何可能导致污染事件的意外高水深。目标是识别正在发展的堵塞，以便在污染发生之前将其清除。
对50个CSO在两年“历史”时期和六个月“实时”时期的SIWA堵塞预测器进行了评估的一篇新的同行评议的期刊文章。该文章还将性能与先前的分析解决方案进行了比较。
在整个数据集中，88.4%的确认问题被正确识别，而先前解决方案的比例为26.6%。完整的文章名为《基于云的人工智能分析来评估综合下水道溢流性能》，发表在《水资源规划与管理杂志》上。
谢菲尔德大学土木和结构工程系的首席调查员威尔·谢泼德博士说：
“我们的下水道网络并不是设计用于输送大暴雨到处理中心，当雨水会导致网络其他地方的洪水时，CSO就是一个必不可少的减压阀。我们的重点在于通过识别可能导致过早泄漏和因此污染河流和水道的堵塞，使其尽可能环保。"
谢菲尔德大学土木和结构工程系的水基础设施工程教授乔比·博克索说：
“协作伙伴关系的协同作用对这项研究的成功至关重要。重要的是要从一开始就相互认可和尊重各合作方的不同需求和抱负，并建立并保持高水平的信任。”
墨斯海德洛智慧水能公司的董事斯蒂芬·蒙斯说：
“这个项目展示了人工智能和数据分析如何从早期阶段的研究原型进展到部署在基于云的平台上的成熟、通用解决方案。看到这个系统在约克郡水公司的2000多资产上得以实际应用令人兴奋。”
西门子堵塞预测器产品所有者约翰·加夫尼博士说：
“这种合作是一个很好的例子，展示了技术公司如何将大学的高技术成熟度（TRL）研究成果转化为产品，并通过同行评议的科学证明向最终用户提供价值。这种产品为保护水道服务的重要目标尤其令人满足。”
联系
如需进一步信息，请联系：
相关信息
谢菲尔德大学土木和结构工程专业。
