人工智能符合老化的基础设施：今天的流域时刻

随着阳光照亮地平线和疲软的黎明灯在整个城市散布时，纽约市的五个行政区的九百万居民开始了工作日的早晨例行活动。对于某些人来说，它是正常的，一杯咖啡，淋浴和水瓶在令人心动的旋转阶级之前装满。对于几个社区，这一天开始了艰难的开端。浴室和厨房水龙头的溅射和嘶嘶声，厕所不被弄乱，早晨的淋浴被跳过，因为困惑的脸凝视着无反应性的水旋转。起初，将停水隔离到散布在整个城市的几个街区。随着城市工人努力识别和解决停电，问题级联和发展。很快，行政区的整个部分都像圣诞灯泡故障一样眨眼。人们意识到这不仅是他们的公寓，建筑物，街道。蜂窝系统带着沮丧的电话问：'什么时候回来？一个 一个 尽管这种情况听起来像是流行的科幻系列中的东西，但现实却更加可怕。

随着美国许多大城市（美国）年龄和恶化的水基础设施，随着人口增长和城市化对我们已经紧张的水基础设施的需求更大，中断将变得越来越普遍。对于许多城市而言，崩溃的水基础设施的问题众所周知。2015年，大约87％的美国人口依靠公开提供淡水供应。我^{截至2020年，美国水基础设施依靠220万英里的管道。}截至2024年的报告，平均年龄为45岁，该水基础设施在美国估计每年有250,000至300,000次休息时间。ⁱⁱ尽管水基础设施统计数据似乎令人沮丧，但人工智能（AI）的进步以及技术改进可能会为城市规划人员提供及时的解决方案，以避免这种看似世界末日的必然性。与传感器技术进步相结合的AI解决方案可能会拥有预测性和预防性维护，负载优化和优先置换替代策略的承诺。这种措施和解决方案可以近乎实时地改善城市规划者的当前和未来水基础设施的理解，以在危机和崩溃之前做出决定。尽管AI对于美国的衰老和崩溃的水基础设施而言并不是灵丹妙药，但在AI可以使面临盲人面临潜在水危机的城市中心带来的一切时，我们可能需要的确切技术。一个 一个 AI和精致的预测建模 一个 

随着人口增长和老化的水基础设施威胁着城市灾难，水计划者需要一种更好的方法来预测水分配网络（WDN）管道故障。AI与数据分析结合使用，可以持有答案，并为水计划人员提供支持，以优先考虑基础设施升级。

从历史上看，水基础设施计划人员使用基本和基本的统计管道建模来预测管道部分的维护或替换。规划师根据单变量的时间指数模型计算了管道故障率，这些模型结合了年龄和管道类型，以预测哪些部分所需的服务。ⁱⁱⁱ这些简单的模型除了管道类型和年龄外未能考虑因素，从而导致意外的破裂和效率低下的水分布。此外，以前的模型将同一类型和年龄的所有管道分为一个同质群集，该群集未能说明环境因素显着改变管道故障计算。” 一个 一个 通过使用AI并合并以前不存在的大型数据集，水基础设施计划者可以在故障建模中获得更好的保真度。现在，许多城市和市政当局都有针对管道周围的管道和土壤条件的数据集。

不同的土壤施加压力或在管道长度上分配压力，这可以延长管道寿命或根据管道类型降低。此外，土壤组成与天气数据相结合可以确定霜冻或冰冻，土壤水分，水分般的潜力，土壤腐蚀性和其他环境因素的影响。iv^{通过将这些数据集包括在管道建模中，城市规划人员可以更准确地预测小管段中的故障，从而解决了网络和管道类型级别的预测故障。v}一个 ^一个 城市规划师和水基础设施建模者正在考虑AI和机器学习（ML）算法，以快速确定基于新可用数据集的更精细确定性，以最大的失败风险确定网络。AI/ML建模支持从建模或模拟故障得出的二阶和三阶风险分析。

这种复杂的确定使城市和水计划者可以在供水网络的风险部分中优先确定性，并在发生故障时会产生影响。尽管AI和ML不会阻止该系统崩溃，但它正在帮助城市规划人员有效地基于对管道故障概率的更好理解，从而有效地领先于重大基础设施失败。一个 一个 ai aignited水管理

水管理是AI可以协助水基础设施专家进行与老化基础设施和效率低下的斗争的另一个领域。

尽管老化管道失败和泄漏，导致损失和效率低下，但城市规划人员正在寻找解决方案，以帮助减少消费者对水基础设施的需求并提高当前网络的效率。AI和The Internet（IoT）方法可能会为绝望的水专家提供创新的答案。随着微型化的兴起，网格通信网络和高度专业化的传感器，水基础设施网络是技术创新的受益者。通过将网络传感器纳入水网络，AI解决方案可以突出显示水管理人员的问题。例如，整个网络中安装的流动传感器可以密切跟踪网络中的流速，使用数据和压力水平。^vi使用AI分析这些数据，泄漏或断裂很容易成为此数据中的畸变。智能传感器检测到的异常高的消耗率属于历史时间使用参数，可能表示特定线路中的泄漏或破裂。城市规划人员可以使用传感器位置数据来更准确地识别并找到管道泄漏或破裂的部分。AI和IoT传感器网络将直接帮助维护人员快速解决中断，从而减少整个网络的损失。” 一个 在水基础设施中采用物联网和AI使用不仅仅是当今老化基础设施疾病的临时解决方案。

随着自动化，传感器放置和AI的融合到水网络中，城市规划人员可以使用数字双技术来提高水的可用性并优化上述所讨论的性能。数字双胞胎是城市水基础设施系统等物理系统的虚拟表示，该系统为工程师，维护工人和计划者提供了更大的见解，信息和分析可能性，以维护系统并改善受容应。”德国的水面规划师正在测试AIGAUGHEAGENT PRINTE INTROTYPES的初始原型，以防止效率和富效率提高管道失败。由德国政府资助的研究项目Kasytwin正在努力为整个德国的水网络创建数字双胞胎。像美国一样，德国面临着老化的水基础设施，其基础设施估计有100年的历史。Kasytwin使用配备激光扫描仪和相机的多传感器机器人平台正在调查德国的物理下水道系统。^vii这些数据将有助于建立德国水网络的数字双胞胎，以实时对网络进行半自动化的结构健康监测。当与AI算法结合使用时，Kasytwin预计该系统将帮助计划人员制定主动的维护策略，并将维护人员远离过度手动，耗时的网络监控。^viii从历史上看，这种监视涉及操作员观看视频流，而相机则在整个下水道系统中移动。Kasytwin希望该项目能够使水策划人员能够在制定网络维修，更换和扩展计划的同时了解当前的网络。一个 

就像人工智能和物联网将有助于维护和维修一样，同样的技术配对可以帮助水专家减少基础设施衰老的磨损。水网络中的压力会随着时间的推移导致管道损害，或者在网络中加速故障。就像在某些城市中心的电力计量以提高电网效率一样，可以通过AI和IoT技术应用于水基础设施。^ix通过监视使用趋势和区域消费，AI解决方案可以优化管道压力，以减少对水分配网络的影响，同时确保足够的供应压力。^x城市内的消费率遵循某些模式并根据这些模式调节网络内的压力，AI创新可能会通过减少分配网络部分内的常数，不必要的压力来延长管道基础设施的寿命。这种方法将限制泄漏的加压，从而减少维护维修时的损失。这种方法还将在网络级别提高效率。在纽约市的情况下，在工作日的工作时间内，业务区的需求较高，周末需求明显降低。以大量通勤人口而闻名的行政区展示了与商业区相反的趋势。在这种情况下，AI控制系统可以调节和优化网络压力，以支持这些不同的模式，同时减少水基础设施的应变。任何延长当前水基础设施寿命的方法都将为城市规划人员提供更多时间，以开发替代解决方案以满足日益增长的需求。一个 一个 有效的再利用和AI分析

并非所有的废水都相等。

虽然用户需求面前的AI增加可以提高水管理效率，但后端也可以说。每加仑的废水重新利用，是将加仑放入前端需求中的一加仑，从而减少了水分配网络的负载。正如当前设计的那样，所有用户需求都是相同的，并从相同的水源网络中提取。但是所有需求的水都不使用。目前，水分配网络会发送饮用水，高处理的水，以提供所有需求，例如厕所。这种水管理系统称为“单品质的饮用水”，无论用户是从水龙头，洗澡，洗车还是浇水的用户，水分配网络都可以提供相同的高度加工水，即使不需要。^xi这使得馈线网络效率很低，因为所有需求水都必须符合健康标准，而不管使用什么。 一个 但是，重新利用许多废水来源可以提供较低级别的需求。

大多数家庭废水属于三种不同类型，这些类型的浪费网络以相同的方式处置。淋浴和浴室水槽产生浅灰水，洗衣机和厨房水龙头产生沉重的灰水，厕所会产生黑水。^xii为了支持重用计划，可以最少处理浴室水槽或沐浴的废水，并将其应用回网络。由于这些水需求不需要饮用标准，因此这种废水可能会提供诸如浇水或工业用途之类的需求。该概念被称为饮用的再利用或资源恢复，可以通过低级的现场治疗机制来实现，这些治疗机制比黑水处理过程更有效。^十三这种方法将需要大量转移水传播和恢复网络，但是AI传感器和内置到未来网络将提高效率并防止网络之间的跨源污染。集成的AI传感器将监测废水污染物，并确保水分配网络中的最佳再利用和重新涂抹。通过类似的技术增强方法，分销网络可以单独，更有效地识别和处理浅灰水，沉重的灰水和黑水。一个 一个 同样，同样的AI和传感器技术也适用于下水道或降雨径流系统，可以减轻馈线和配电网络的负担。

当前的城市设计强调降雨捕获，以防止正常降雨的城市淹没。大多数雨水直接流入雨水排水系统和下水道系统，而无需贡献或进食分配网络，大多数雨水都会直接流入雨水排水系统和屋顶表面。尽管在此过程中，降雨径流确实捕获了污染物，但对于许多城市地区，雨水径流令人惊讶地携带大量营养素，有机物和热量。^xiv通过将AI和传感器技术集成到雨水径流和废水系统中，分销网络可以监测各种地理区域的降雨速率，并恢复大量的水以增加供应方分布。^xv这种技术将通过利用自然降雨来增加当前网络并减少对单品质饮用水供应网络的需求，从而提高水的效率。” 一个 一个 人工智能，智力和水基础设施保护 一个 实施AI和集成传感器网络不仅会提高效率，而且还可以帮助安全人员应对水基础设施威胁。

网络传感器将帮助水专业人员确定管道压力，回流或水纯度快速变化的异常情况。一些变化可能表明自然现象，例如高降雨量或管道意外断裂。

但是，通过实施AI和联合监测系统，基础架构经理还可以确定针对水网络的邪恶行动。全面的AI监测将跟踪大型地理区域的系统压力。对管道部分的爆炸性攻击将产生压力变化，看起来与意外崩溃或意外泄漏截然不同。同样，如果同时针对水基础设施进行多次攻击，AI监控可以迅速检测到攻击，为事件提供计划人员的环境，并自动重新分布或隔离水基础设施，以最好地保护整个网络。” 一个 一个 就像AI监测可以帮助识别和解决爆炸性攻击一样，这种监视也可以确定有目的的污染。如果恶意演员试图用毒素或生物武器毒化或污染水供应，则综合传感器可以迅速确定水质的变化。

使用AI，可以跟踪，隔离并使关键响应者快速定位和中和污染。自动化阀或分布系统可以关闭网络的部分或重新路由，以保护消费者并减轻曝光率。类似的过程可以帮助当局将污染物追溯到来源，甚至可能确定污染机制或时间。 一个 一个 安全性和智力是AI和IoT设有水基础设施的核心。这种方法将保护关键水网络免受攻击，并提供重要的信息，以了解任何威胁对基础设施的类型，复杂性和潜在影响。

通过快速理解威胁，当局可以实时分享信息，以向其他水网络经理提供警告，或为预防措施提供建议。情报界（IC）充当力量乘数，可以提供威胁信息，以帮助AI系统识别和减轻生物制剂。先前恐怖袭击的IC技术数据指标可能会告知AI算法在水基础设施中预期脆弱或易受感染的节点。如果无法改善节点，则基础架构安全专家可以优先考虑对关键节点的AI监视，以改善响应时间，如果发生攻击。在IC协作支持下，AI的进步将帮助安全人员预期或解决对水基础设施的威胁，以当前网络不足。一个 一个 结论 一个 

尽管整个美国的水基础设施老化构成了不断发展的城市中心的近期风险，但人工智能和进步技术可以帮助水基础设施专家提高效率和安全性。AI融入当前的水分配网络有望帮助城市规划师和水专家解决管道网络问题，然后才能在灾难之前进行工作。

这种先发制人的举措将防止水的发生在发生之前，并避免因破裂或泄漏而导致的水分流失。在解决当前的运营方面，AI集成为城市规划师提供了优化水分配系统以减少对基础设施的压力的方法。AI解决方案实现了压力调制和网络流量调整，将增加当前水基础设施的寿命，并为急需的升级和维修提供更多时间。为了使当前和未来的供水网络更加高效并满足消费者需求的增加，AI和传感器技术可能会持有最大化重复使用和恢复技术所需的密钥。通过AI监测来实现的降雨径流捕获可以增加水供应并限制与单质量饮用水范式相关的网络菌株。AI虽然不太可能解决所有水基础设施问题，但有望在美国更有效地使用，维护和维持关键的水基础设施，并让水专家有时间解决系统性问题。 一个 一个 作者负责本文的内容。表达的观点并不能反映国家情报大学，国家情报主任，美国情报界，国防部或美国政府的官方政策或立场。一个 

尾注我一个 

可持续系统中心。

美国供水和分销概况。密歇根大学。2024年。编号CSS05-17 https://css.umich.edu/publications/factsheets/water/water/us-water-supply-and-and-distribution-factsheet一个 一个 II可持续系统中心。

美国供水和分销概况。密歇根大学。2024年。编号CSS05-17 https://css.umich.edu/publications/factsheets/water/water/us-water-supply-and-and-distribution-factsheet- 

iii Neal Andrew Barton, Stephen Henry Hallett, Simon Richard Jude, Trung Hieu Tran, “Predicting the risk of pipe failure using gradient boosted decision trees and weighted risk analysis,” NPJ Clean Water (2022), 26 July 2021, https://doi.org/10.1038/s41545-022-00165-2, 1 

iv Neal Andrew Barton, Stephen Henry Hallett, Simon Richard Jude, Trung Hieu Tran, “Predicting the risk of pipe failure using gradient boosted decision trees and weighted risk analysis,” NPJ Clean Water (2022), 26 July 2021, https://doi.org/10.1038/s41545-022-00165-2, 4 

v Neal Andrew Barton, Stephen Henry Hallett, Simon Richard Jude, Trung Hieu Tran, “Predicting the risk of pipe failure using gradient boosted decision trees and weighted risk analysis,” NPJ Clean Water (2022), 26 July 2021, https://doi.org/10.1038/s41545-022-00165-2, 2 

VIâmatthewMoy de Vitry，智能城市供水系统：可能会出错？环境研究信＃14，IOP Publishing（2019），https：//doi.org/10.1088/1748-1748-9326/ab3761，2â 

vii Hartmann, Sabine, Raquel Valles, Annette Schmitt, Thamer Al-Zuriqat, Kosmas Dragos, Peter Gölzhäuser, Jan Thomas Jung, Georg Villinger, Varela Rojas Diana, Matthias Bergmann, Torben Pullmann, Dirk Heimer, Christoph Stahl, Axel Stollewerk, MichaelHilgers，Eva Jansen，Brigitte Schoenebeck，Oliver Buchholz，Ioannis Papadakis，Dominik Robert Merkle，Jan-iwoJâkel，Sven Mackenbach，Katharina Katharina Klemt-Albert，Alexander Reiterer，Alexander Reiterer和Kay Smimarsly。基于数字双Win的下水道系统管理：Kasytwin项目的研究策略。水17，没有。3（2025）：299，https：//niu.idm.oclc.org/login?url=https://www.proquest.com/scholarly-journals/scholarly-journals/digital-twin----------viii一个 Hartmann, Sabine, Raquel Valles, Annette Schmitt, Thamer Al-Zuriqat, Kosmas Dragos, Peter Gölzhäuser, Jan Thomas Jung, Georg Villinger, Varela Rojas Diana, Matthias Bergmann, Torben Pullmann, Dirk Heimer, Christoph Stahl, Axel Stollewerk, Michael Hilgers,Eva Jansen，Brigitte Schoenebeck，Oliver Buchholz，Ioannis Papadakis，Dominik Robert Merkle，Jan-iwoJâkel，Sven Mackenbach，Katharina Klemt-Albert，Alexander Reiterer，Alexander Reiterer和Kay Smarsly。基于数字双Win的下水道系统管理：Kasytwin项目的研究策略。水17，没有。3（2025）：299，https：//niu.idm.oclc.org/login?url = https://www.proquest.com/scholarly-journals/digital-twin-------，7。一个 一个 ixâmatthewMoy de Vitry，“智能城市水系统：可能出错？ 

XâmatthewMoyâdeVitry，智能城市供水系统：可能会出错？环境研究信＃14，IOP Publishing（2019），https：//doi.org/10.1088/1748-1748-9326/ab3761，2â 

Xiâlarsen，Tove A.，Sabine Hoffmann，ChristophLã¼thi，Bernhard Truffer和Max Maurer。

•针对城市化世界挑战的新兴解决方案。科学352，没有。6288（2016年5月20日）：928-33， https://niu.idm.oclc.org/login?url=https://www.proquest.com/scholarly-journals/emerging-solutions-water-challenges-burnenges-burnenges-burnenges-burnenizing/docview/1790069786/se-2，930 

Xiiâlarsen，Tove A.，Sabine Hoffmann，ChristophLã¼thi，Bernhard Truffer和Max Maurer。新兴的解决方案解决了城市化世界的水挑战。科学352，没有。6288（2016年5月20日）：928-33， https://niu.idm.oclc.org/login?url=https://www.proquest.com/scholarly-journals/emerging-solutions-water-challenges-burnenges-burnenges-burnenges-burnenizing/docview/1790069786/se-2，931 

XIIIâmatthewMoy de Vitry，智能城市供水系统：可能会出错？环境研究信＃14，IOP Publishing（2019），https：//doi.org/10.1088/1748-1748-9326/ab3761，3â 

XivâLarsen，Tove A.，Sabine Hoffmann，ChristophLã¼thi，Bernhard Truffer和Max Maurer。新兴的解决方案解决了城市化世界的水挑战。科学352，没有。6288（2016年5月20日）：928-33， https://niu.idm.oclc.org/login?url=https://www.proquest.com/scholarly-journals/emerging-solutions-water-challenges-burnenges-burnenges-burnenges-burnenizing/docview/1790069786/se-2，929 

xvâprajnamahardhika sakti和putriani okkie。在水资源和水管理中部署和使用人工智能（AI）。IOP会议系列。一个 地球与环境科学1195，没有。1 (06, 2023): 012056, https://niu.idm.oclc.org/login?url=https://www.proquest.com/scholarly-journals/deployment-use-artificial-intelligence-ai-water/docview/2826813905/se-2.