Прибуток:
- Можливість визначати пріоритет водного сліду (синій/зелений/сірий) за фактичним впливом на навколишнє середовище, а не лише за літрами, шляхом зважування його з регіональним водним стресом
- Можливість тестувати аномалії якості води за допомогою багатопараметричної перехресної перевірки та відрізняти несправність датчика від реального забруднення
- Можливість звузити модель витоку (мінімальний нічний потік) за допомогою даних і представити їх для підтвердження польовою перевіркою
Вода є найпомітнішим обличчям кліматичної кризи: кожна крапля є стратегічною в посушливих регіонах, будь-який надлишок небезпечний у заплавах. Для організацій вода більше не є «безкоштовним ресурсом», а є впливом на навколишнє середовище, який необхідно вимірювати, зменшувати та звітувати. У цьому розділі ви дізнаєтесь про водний слід, моніторинг якості води, виявлення витоків у мережі та те, як ШІ прискорює ці завдання.
Поняття спочатку. Водний слід — це загальна кількість прісної води, яка споживається прямо чи опосередковано продуктом, процесом чи установою. Вона ділиться на три кольори: блакитна вода (вода, що береться з поверхні та під землею), зелена вода (дощова вода, яка використовується рослинами) і сіра вода (вода, необхідна для розведення забруднення). Водний стрес – це ситуація, коли попит на воду в регіоні обтяжує наявні ресурси; той же літр води набагато «дорожче» в безводному регіоні.
Підказка: вода, на відміну від вуглецю, місцева. У той час як 1000 м³ води є незначним у регіоні з рясними опадами, він є критичним у регіоні з високим водним стресом. Завжди враховуйте водний слід разом із водним стресом місцевості; "абсолютні літри" самі по собі вводять в оману.
Якість води: які параметри?
Чи є вода «чистою чи брудною» не вимірюється одним числом. Основні параметри:
- pH: рівень кислотності/лужності води (0-14).
- Розчинений кисень (РО): життєво важливий для водних організмів; Якщо він низький, це ознака забруднення.
- Каламутність: кількість зважених речовин у воді.
- Провідність (EC): щільність розчиненої солі/мінералу.
- БПК/ХПК (БПК/ХПК): непрямий показник органічного забруднення.
- Важкі метали, нітрати, фосфати: певні забруднювачі.
Ці параметри вимірюються безперервними датчиками в лабораторії або в польових умовах. ШІ дуже корисний для обробки цих багатовимірних даних і вилучення аномалій і тенденцій.
Виявлення витоків: пошук втраченої води
У мережах значна частина води втрачається через витікання по трубах; Це називається втратою води (NRW - Non-Revenue Water). У деяких старих мережах цей показник може перевищувати 40%. Класичний спосіб виявлення витоку дорогий і повільний. Тут AI; Виявляючи ненормальні закономірності в даних датчиків тиску та потоку, це потужно дозволяє звужувати область, яка найімовірніше має витік, але рішення копати під трубу все ще залишається за польовою командою.
Крок за кроком: аналіз води
1. Визначити сферу застосування. Внутрішнє споживання води, водний слід продукту, витік у мережі?
2. Зберіть дані. Лічильник, накладна, датчик якості, реєстратор тиску. Уточніть одиниці (м³, л).
3. Зав'яжіть водний стрес. Пов’яжіть споживання з нестачею води в регіоні; Такі інструменти, як WRI Aqueduct, надають регіональні дані про навантаження.
4. Проаналізуйте. Тренд, сезонність, аномалія, модель витоку.
5. Видаліть пріоритет пом'якшення. Визначте точки, які найбільш виснажують, піддаються найбільшому стресу, які найлегше загоюються.
6. Перевірити та повідомити. Зберегти номери з джерелом; Порівняйте пороги якості із законодавством.
три міні-чохла
Випадок 1 — Абсолютна літрова помилка. Одна компанія запитала, яка з двох її фабрик зазнала найбільшого впливу води. ШІ спочатку дивився лише на літр і відзначав фабрику, яка споживала найбільше. Коли аналітик додав водний стрес, він виявив, що фактичний вплив рослини на навколишнє середовище в регіоні з меншим споживанням, але надзвичайно посушливим був набагато вищим. Змінився пріоритет; Без водного стресу рішення було б неправильним.
Випадок 2 — Несправність датчика чи забруднення? На очисній станції раптово впав рівень датчика розчиненого кисню, і вона планувала реагувати на надзвичайні ситуації. Коли експерт вивчив дані, він зрозумів, що падіння не було в багатьох незалежних параметрах одночасно, а просто «застрягло» на постійному значенні на цьому датчику — це була несправність датчика, а не забруднення. Непотрібне втручання було запобігти.
Випадок 3 — Звуження витоку. Служба водного господарства запідозрила постійно високі втрати води в цьому районі. Вони змусили штучний інтелект виконати нічний аналіз мінімального потоку (вода тече вночі, коли ніхто не користується водою, ознака витоку); код показав, що нічний потік був аномально високим в одній із п’яти підзон. Польова група зосередила пошуки на цій території та знайшла втікача за години, а не за дні. І все ж люди вирішили розкопки.
Слабка підказка / Сильна підказка
Слабка підказка:
Проаналізуйте моє споживання води та скажіть, як його зменшити.
Чому він слабкий: немає одиниці, регіону, нестачі води та даних. Результатом є загальний список рекомендацій, який не може визначити пріоритет.
Потужна підказка:
Ваша роль: аналітик водного господарства. Проаналізуйте наступні місячні дані про споживання води (м³) на основі об’єкта за допомогою Python. Підключіть оцінку водного стресу (0-5), яку я надаю кожному закладу, і отримайте рейтинг «впливу, зваженого на стрес». Позначте сезонність і аномальні місяці. Дані про напругу води у ФІТІНГ; Залиште поле порожнім із тегом [STRESS]. Рекомендуйте пріоритет зменшення, починаючи з закладу з найбільшою вагою. Дані: [таблиця]
Чотири шаблони, які можна копіювати
1) Вплив зваженої води на стрес:
Ваша роль: аналітик води. Споживання води на основі технологічного обладнання (м³) з Python. Зв’яжіть регіональну оцінку водного стресу з кожним об’єктом; вплив = споживання × стрес. Сортуйте за цим зваженим впливом. Підгонка даних напруги; вкажіть джерело (наприклад, WRI Aqueduct) або залиште [VERIFIED]. Дані: [тут]
2) Багатовимірна аномалія якості води:
Вивчіть наступні часові ряди якості води (pH, DO, каламутність, електропровідність) за допомогою Python. Перевірте, чи не спостерігається відхилення за одним параметром і за іншими; «Застрягло» значення одного параметра, швидше за все, означає несправність датчика, а не забруднення. Позначте кожну аномалію цим знаком. Дані: [тут]
3) Аналіз витоку (нічний потік):
Проаналізуйте наведені нижче регіональні дані мінімального потоку вночі за допомогою Python. Розташуйте області з вищим, ніж очікувалося, нічним потоком як потенційні кандидати на витік. Не кажіть прямо "є витік"; Надайте ймовірність і пропозицію перевірки (перевірка поля). Дані: [тут]
4) Перевірка відповідності порогу якості:
Порівняйте наведені нижче виміряні значення якості води з законодавчо пороговою таблицею, яку я надам. Позначте кожен параметр «відповідно/на межі/перевищено». Не оббивайте пороги; Я дам або перевірю [РЕГУЛЯЦІЯ]. Узагальніть ексцеси та необхідні дії. Значення: [тут]
Поширені помилки
- Ефект води вимірюється лише в літрах. Без водного стресу пріоритет стає неправильним.
- Приймаючи одне відхилення датчика за забруднення. Проведіть багатоваріантну взаємоперевірку.
- Змішування зеленої/блакитної/сірої води. Компоненти сліду наводяться окремо.
- Адаптація законодавчих порогів до ШІ. Обмеження якості визначаються законодавством, а не пам’яттю моделі.
- Не перевіряється заява про витік за допомогою поля. Дані звужують кандидата; Команда дає підтвердження.
Застереження: дані про якість води можуть вказувати на стан забруднення об’єкта та мати правові/репутаційні наслідки. Подаючи ці дані, переконайтеся в їх точності; Помилковий звіт про «перевищення» на основі некаліброваного датчика або приховування справжнього перевищення створює серйозну відповідальність.
Підсумовуючи
Водне господарство; Це вимагає оцінки сліду разом із водним стресом, моніторингу якості за допомогою багатьох параметрів і звуження витоку за допомогою даних. ШІ; Це потужний прискорювач багатовимірного аналізу даних і виявлення аномалій і витоків. Але зв’язок між нестачею води, відокремленням несправності датчика від забруднення, отриманням законодавчих порогів із правильного джерела та перевіркою на місцях належить експерту.
Аплікаційне завдання
Створіть гіпотетичні місячні дані про споживання води для двох-трьох об’єктів закладу та призначте оцінку нестачі води кожному об’єкту. 1. попросіть штучний інтелект виконати ранжування впливу за допомогою шаблону; Порівняйте результат із сортуванням лише за літрами. Потім застосуйте модель 2 до часових рядів якості води та спробуйте відрізнити несправність датчика від фактичного забруднення.
контрольний список
- [ ] Я зважив вплив води на водний стрес, я не просто дивився на літри.
- [ ] Я перевірив на аномалії якості за допомогою перехресної перевірки за кількома параметрами.
- [ ] Я розділив компоненти зеленої/блакитної/сірої води.
- [ ] Правові пороги я взяв із законодавства, я не адаптував їх до ШІ.
- [ ] Я подав кандидата-втікача з пропозицією про виїзну перевірку.
- [ ] Я забезпечив точність і калібрування даних якості.