用演算法辨識水流模式，AI探測到962起污水洩漏事件

研究人員表示，人工智慧技術檢測到了數百起未處理污水直接排放入英國河流的事件。

科學家們利用機器學習技術，從兩處污水處理設施超過11年的資料中辨識出了926次「洩漏事件」。

英國環境署發言表示這一方法的準確度令人印象深刻。環境署表示」我們歡迎任何能夠防止污染的技術。」

研究人員將他們的研究成果發表在《清潔水》雜誌（Clean Water）上，研究中他們訓練電腦演算法，通過排污事件時污水處理廠的水流模式去辨識污染事件。

「排污」的組成

當發生異常降雨時，污水處理設施被允許向河流中排放未處理過的污水。這是由於雨水和未經處理的污水會給污水廠的暴雨罐造成過大壓力，導致溢流進入處理管路。

但這種未經處理的污水溢流排放頻率引起了環境學家和環保人士的擔憂。

來自Rivers Trust慈善組織的Christine Covin向BBC表示說：」去年我們製成了一張全國性的污水溢流排放入英國河流的地圖，看到結果我們都很震驚，竟然有如此多、如此廣泛的未經處理污水進入我們的河流。」在這張地圖中示意了上報的溢流排放。但我們遠不清楚未被上報的溢流排放會有多大規模。

英國生態與水文研究中心（the UK Centre for Ecology and Hydrology，UKCEH）的安德魯·辛格（Andrew Singer）教授認為利用AI的新方法旨在建立一種準確的計量方式，以確認可能有多少未經上報的排放事件。

安德魯表示：」我們希望透過新技術的引入輔助水質保護工作的透明度和強制性。」

該研究由UKCEH的彼得·哈蒙德（Peter Hammond）教授領導，研究使用了一種模式辨識演算法，這種演算法最初用於醫學基因學研究。

彼得教授介紹說：「在之前，我利用機器學習技術探測兒童臉部形狀的細微區別以幫助診斷某些特定的基因情況。」

「在本次的場景中，研究對象從臉部的3D形狀變成了水流經過污水處理廠的形態模式。」

這看上去貌似是兩個不相干的領域，但模式辨識和機器學習方法的效果還是相同的。

模式辨識，正如它的名稱一樣，是一種使用運算方法檢測資料中出現的規則或是重複出現元素的方法。而機器學習則使用提高自動化程度的演算法，利用經驗和資料分析來檢測到這些模式。

研究人員花費數年收集了兩家污水廠的流量資料——以此教會演算法辨識污水廠在正常運行和排放未處理污水時不同的「水流形態」。

辛格教授說：「演算法首先構建了知識體系，你再去測試這個演算法。基本上你就把所有資料給到演算法，然後提問說『你能找到其中的排污事件嗎』？」

使用兩所污水廠11年間的水流資料（研究中未經人為辨識的），演算法辨識出了926起未處理污水排放事件，每起排放至少長達三小時。

研究人員表示全英國的自來水公司都可以使用相似的方法，針對任意污水廠來檢測」那些沒有被注意到或是沒有經過上報的排污事件」。

環境署也贊同說：「如果自來水公司希望將此類模型用作規劃工具以幫助管理污染，以及防止此類意外排放的發生，這是一個很棒的機會。」

辛格教授補充：「我的職業生涯一直希望理解污染產生的環境效應並去恢復環境問題，或者至少對這些問題有更好的理解以對決策者做出提醒。」「為此我們需要梳理清楚英國境內的污水排放問題。」

科爾文女士也補充道：」解決這一問題並非一朝一夕，這個問題需要針對新舊污水處理基礎設施的大幅投資，同時也需要重新考慮處理流經城鎮和城市中雨水徑流的方式。」

「但如果我們還希望能夠有用水安全，希望實現真正的綠色修復，帶回河流中的野生動植物，必須要去解決河道中的污染問題。」

作為對此研究的回應，工業方代表，英國水務公司（Water UK）向BBC News表示，接下來五年，將有11億歐元的投資流入，用於」改善暴雨溢流和污水處理工作」。

「很多公司已經正在使用AI技術管理其資產了」，英國水務公司的發言人表示：」我們將持續探索創新技術以穩固河流未來的健康。」