尹海龍，張惠瑾，徐祖信

（同濟(jì)大學(xué)環(huán)境科學(xué)與工程學(xué)院，上海 200092）

近年來(lái)，人工智能、機(jī)器學(xué)習(xí)、物聯(lián)網(wǎng)等新技術(shù)的興起促進(jìn)了“智慧城市”的發(fā)展。城市排水系統(tǒng)是城市的生命線，智慧排水是智慧城市的重要組成部分。我國(guó)在改革開(kāi)放以來(lái)的快速城鎮(zhèn)化建設(shè)過(guò)程中，管網(wǎng)基礎(chǔ)設(shè)施建設(shè)嚴(yán)重滯后，一方面建成區(qū)排水管網(wǎng)密度偏低，另一方面已建排水管道破損、混接等狀況突出，管網(wǎng)實(shí)際污水收集能力低。這些因素導(dǎo)致城市內(nèi)澇頻發(fā)以及大量污染物未經(jīng)收集直排河道。排水系統(tǒng)提標(biāo)增效成為城市安全運(yùn)行管理和水環(huán)境治理的卡脖子問(wèn)題。

當(dāng)前，新型傳感技術(shù)的突破和成本的不斷降低，為未來(lái)人工智能在城市排水系統(tǒng)中的應(yīng)用提供了廣闊前景。本文在綜述智慧排水各發(fā)展階段的基礎(chǔ)上，評(píng)述新一代智慧排水的應(yīng)用場(chǎng)景、理論方法與實(shí)現(xiàn)途徑，以期為未來(lái)智慧排水建設(shè)和實(shí)現(xiàn)城鎮(zhèn)排水系統(tǒng)提標(biāo)增效提供參考。

1 智慧水務(wù)發(fā)展階段

智慧水務(wù)的核心作用在于如何基于已建排水設(shè)施，實(shí)現(xiàn)內(nèi)澇防控和溢流污染削減效果的最優(yōu)化。智慧排水或者更廣義的智慧水務(wù)發(fā)展過(guò)程中，先后經(jīng)歷了互聯(lián)網(wǎng)與信息化時(shí)代、物聯(lián)網(wǎng)時(shí)代和人工智能時(shí)代，因此智慧水務(wù)的發(fā)展具有明顯的階段性，包括：

第一階段是信息化階段，通過(guò)地理信息系統(tǒng)（geographic information system，GIS）將傳統(tǒng)的業(yè)務(wù)管理模式計(jì)算機(jī)化，將傳統(tǒng)的圖紙、報(bào)表代之以基于數(shù)據(jù)庫(kù)系統(tǒng)的業(yè)務(wù)化信息系統(tǒng)平臺(tái)管理；通過(guò)將數(shù)據(jù)庫(kù)系統(tǒng)與空間屬性數(shù)據(jù)集成，實(shí)現(xiàn)排水系統(tǒng)中泵閘及管道設(shè)施、水環(huán)境污染源的GIS平臺(tái)管理等。例如上海市在2000年開(kāi)展的全市水環(huán)境污染源調(diào)查中，開(kāi)發(fā)了涵蓋全市近6萬(wàn)多個(gè)點(diǎn)污染源的水環(huán)境GIS系統(tǒng)，為上海市蘇州河水環(huán)境治理工程論證和全市水環(huán)境治理與保護(hù)規(guī)劃制定發(fā)揮了作用［1］。在此基礎(chǔ)上，耦合水環(huán)境污染源與排水管道的GIS系統(tǒng)，還可以實(shí)現(xiàn)污染源排放的溯源追蹤功能，為污水收集管網(wǎng)建設(shè)提供依據(jù)［2］。

第二階段是智慧感知階段，以物聯(lián)網(wǎng)監(jiān)測(cè)設(shè)備為核心，依托互聯(lián)網(wǎng)開(kāi)展信息系統(tǒng)升級(jí)建設(shè)。具體在城市排水系統(tǒng)中，圍繞排水液位監(jiān)測(cè)、內(nèi)澇積水點(diǎn)監(jiān)測(cè)、數(shù)據(jù)服務(wù)平臺(tái)、手機(jī)移動(dòng)端、短信平臺(tái)等開(kāi)展的惠民業(yè)務(wù)服務(wù)。同時(shí)根據(jù)管理業(yè)務(wù)需要，建立了排水管網(wǎng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)（supervisory control and dataacquisition，SCADA），輔助排水管網(wǎng)系統(tǒng)的運(yùn)行調(diào)度。同第一階段相比，這一階段的特點(diǎn)是將依托于靜態(tài)數(shù)據(jù)的決策管理升級(jí)為依靠動(dòng)態(tài)數(shù)據(jù)的決策管理，是我國(guó)目前城市排水系統(tǒng)信息化建設(shè)的主要形式［3-6］。

第三階段是智能決策階段，在智慧感知的基礎(chǔ)上，進(jìn)一步通過(guò)新型傳感技術(shù)（如新型水質(zhì)在線傳感技術(shù)），并結(jié)合大數(shù)據(jù)分析、人工智能算法和排水管網(wǎng)數(shù)學(xué)模型等技術(shù)手段，對(duì)排水系統(tǒng)進(jìn)行智能化診斷和優(yōu)化調(diào)控，實(shí)現(xiàn)排水系統(tǒng)整體的提質(zhì)增效。這一階段的特點(diǎn)是實(shí)現(xiàn)從“眼睛”到“大腦”的轉(zhuǎn)變。國(guó)外部分地區(qū)已經(jīng)在探索第三階段的研究與應(yīng)用。例如，美國(guó)印第安納州某排水片區(qū)（面積100 km2）近年來(lái)采用智慧水務(wù)技術(shù)，通過(guò)布設(shè)傳感器對(duì)排水系統(tǒng)進(jìn)行優(yōu)化調(diào)控，年溢流水量削減81%，河道中大腸桿菌含量從4 430個(gè)·L-1下降至2 340個(gè)·L-1，表明智慧水務(wù)在排水管網(wǎng)提質(zhì)增效方面具有巨大潛力［7］。

綜上，從智慧水務(wù)的發(fā)展階段來(lái)看，智慧排水不僅要通過(guò)智慧感知實(shí)現(xiàn)“眼睛”的功能，更重要的是通過(guò)智慧決策和智慧應(yīng)用實(shí)現(xiàn)“大腦”和“四肢”的功能。智能決策是未來(lái)智能排水發(fā)展的核心技術(shù)，為此以下重點(diǎn)闡述基于智能化決策的城鎮(zhèn)智慧排水研究進(jìn)展與解決方案，具體從管網(wǎng)診斷評(píng)估、城市內(nèi)澇防治和雨天溢流污染控制3個(gè)方面進(jìn)行了評(píng)述。

2 排水管網(wǎng)診斷評(píng)估中的智慧決策

我國(guó)目前排水管道已超過(guò)60萬(wàn)km。高地下水水位地區(qū)管道破損導(dǎo)致大量外水入滲，降低了雨污水管道的輸送能力，加劇了城市內(nèi)澇和污水廠雨天溢流；低地下水水位地區(qū)管道破損則造成污水外滲，污染地下水。此外，排水管網(wǎng)混接造成污水通過(guò)雨水管網(wǎng)直排河道，造成污水管網(wǎng)高覆蓋率下的實(shí)際截污效能偏低。因此，城鎮(zhèn)排水管網(wǎng)改造修復(fù)是提標(biāo)增效的前提。在改造修復(fù)之前，需要通過(guò)科學(xué)合理和低成本的診斷方法識(shí)別管網(wǎng)中混接、破損的來(lái)源，繪制管網(wǎng)混接破損風(fēng)險(xiǎn)圖，從而達(dá)到精準(zhǔn)施策的目的。

2.1 排水管道物探檢測(cè)成像的智能識(shí)別

閉路電視成像（closed circuit television，CCTV）技術(shù)是上世紀(jì)60年代以來(lái)應(yīng)用至今的排水管道主流檢測(cè)技術(shù)。CCTV檢測(cè)圖像需要人工判讀，主觀性強(qiáng)且判讀效率低?；谌斯ぶ悄艿膱D像識(shí)別技術(shù)可提高CCTV檢測(cè)圖像的識(shí)別效率，其基本原理是首先基于已拍攝的CCTV圖像判讀結(jié)果，建立管道缺陷問(wèn)題（包括裂縫、橫斷面面積縮小、發(fā)生位移等）的圖像數(shù)據(jù)庫(kù)；在此基礎(chǔ)上采用機(jī)器學(xué)習(xí)算法對(duì)檢測(cè)圖像進(jìn)行自動(dòng)判讀。

應(yīng)用于管道缺陷判讀的機(jī)器學(xué)習(xí)算法包括反向傳播神經(jīng)網(wǎng)絡(luò)法、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)算法和隨機(jī)森林算法等［8-11］。同反向傳播神經(jīng)網(wǎng)絡(luò)相比，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)逼近能力、分類能力、學(xué)習(xí)速度更高；隨機(jī)森林算法則通過(guò)建立很多決策樹(shù)，組成決策樹(shù)森林，有效提高對(duì)樣本的分類準(zhǔn)確度。例如英國(guó)Wessex Water公司［12］利用隨機(jī)森林算法及支持向量機(jī)進(jìn)行管道問(wèn)題自動(dòng)診斷，對(duì)CCTV檢測(cè)圖像進(jìn)行預(yù)處理、圖像特征提取、問(wèn)題分類、診斷結(jié)果平滑化，從而識(shí)別管道缺陷。研究發(fā)現(xiàn)，基于隨機(jī)森林算法的管道視頻圖像識(shí)別準(zhǔn)確度能達(dá)到80%，診斷結(jié)果平滑化處理法可以減少20%的錯(cuò)誤診斷率。

2.2 排水管道數(shù)字化診斷檢測(cè)技術(shù)

排水管道CCTV檢測(cè)需要排水管道斷水、清淤操作，每公里檢測(cè)費(fèi)用高達(dá)數(shù)萬(wàn)元甚至十萬(wàn)元以上；另外受到降水排空操作的限制，對(duì)高水位運(yùn)行的雨污水干管檢測(cè)難以實(shí)施。在排水片區(qū)檢測(cè)中，全面采用CCTV檢測(cè)技術(shù)，不僅成本高昂，而且在管道高水位運(yùn)行條件下也不現(xiàn)實(shí)。因此，低成本、不斷水的排水管道智能化診斷技術(shù)是未來(lái)管道檢測(cè)評(píng)估的重要技術(shù)手段。

排水管道數(shù)字化診斷的第一個(gè)層次是全局水量平衡分析技術(shù)。通常是基于單個(gè)管網(wǎng)系統(tǒng)或者管網(wǎng)與河道、多個(gè)管網(wǎng)系統(tǒng)之間的實(shí)時(shí)水位、流量過(guò)程進(jìn)行相關(guān)性分析和流量平衡分析，用于識(shí)別潛在的河水倒灌、管網(wǎng)連通等問(wèn)題。在建立污染源地理信息系統(tǒng)的情況下，還可以解析排水片區(qū)的總體混接水量等。Xu等［13］針對(duì)上海中心城區(qū)某排水系統(tǒng)開(kāi)展了水量平衡分析，解析了該排水系統(tǒng)的總體混接水量和地下水入滲量，并確定了河水倒灌導(dǎo)致的雨水泵站旱天排放問(wèn)題以及河道倒灌水量的當(dāng)量管計(jì)算公式。在中國(guó)海綿城市某試點(diǎn)區(qū)［14］，選取管網(wǎng)排口等160個(gè)關(guān)鍵點(diǎn)布設(shè)超聲波流量計(jì)及液位計(jì)，通過(guò)大數(shù)據(jù)分析得出排口存在的雨污混接和潮汐回流現(xiàn)象。然而，排水管道中的水量不僅包括污水，還包括外來(lái)水；在無(wú)法事先獲取每個(gè)排水戶的具體接管去向及水量情況下，單純通過(guò)水量平衡算法難以確定出管網(wǎng)中不同入流來(lái)源的水量，為此還需要借助水量水質(zhì)檢測(cè)聯(lián)用的定量解析算法。

排水管道數(shù)字化診斷的第二個(gè)層次是水量水質(zhì)分區(qū)診斷技術(shù)。排水管道水量水質(zhì)分區(qū)診斷技術(shù)是首先將排水管網(wǎng)劃分成若干網(wǎng)格節(jié)點(diǎn)，這些網(wǎng)格節(jié)點(diǎn)通常選擇在泵站、管網(wǎng)檢查井處。之后在網(wǎng)格節(jié)點(diǎn)處開(kāi)展流量觀測(cè)和水質(zhì)特征因子檢測(cè)，結(jié)合化學(xué)質(zhì)量平衡算法分區(qū)域或分管段定量解析管道中各種入流源（生活污水、工業(yè)廢水、地下水等）的水量。美國(guó)國(guó)家環(huán)保局（Environmental Protection Agency，EPA）在1993年和2004年發(fā)布的雨污混接調(diào)查技術(shù)指南中，提出了基于水質(zhì)特征因子的管道中不同入流來(lái)源（生活污水、工業(yè)廢水、地下水等）表征方法［15-16］；國(guó)外學(xué)者還采用化學(xué)需氧量、總氮、總磷、甜味劑、水同位素等指標(biāo)，對(duì)排水管道入滲、外滲及其對(duì)水環(huán)境影響（如地下水污染等）進(jìn)行了表征［17-20］。Xu等［21-23］建立了表征不同管道中不同入流源的水質(zhì)特征因子數(shù)據(jù)庫(kù)，在此基礎(chǔ)上通過(guò)入流源和管網(wǎng)監(jiān)測(cè)點(diǎn)的化學(xué)質(zhì)量平衡，建立了基于概率分析的化學(xué)質(zhì)量平衡模型。該方法在實(shí)現(xiàn)管道水量來(lái)源分區(qū)溯源解析的同時(shí)，解決了水量比例解析結(jié)果閉合性和水質(zhì)特征因子數(shù)據(jù)的樣本代表性問(wèn)題，并在上海、安徽等地的雨水管網(wǎng)混接診斷、污水管網(wǎng)破損和地下水入滲分析、污水管網(wǎng)雨水混接診斷中實(shí)現(xiàn)了示范應(yīng)用。同時(shí)，水量水質(zhì)分區(qū)診斷技術(shù)能夠確定管網(wǎng)數(shù)學(xué)模型的入流邊界條件，是智慧水務(wù)平臺(tái)中建立管網(wǎng)數(shù)學(xué)模型的基礎(chǔ)。

排水管道數(shù)字化診斷的第三個(gè)層次是基于管網(wǎng)數(shù)學(xué)模型和在線數(shù)據(jù)的溯源反演技術(shù)。在分區(qū)溯源解析的基礎(chǔ)上，進(jìn)一步通過(guò)檢查井或者泵站的液位、水量監(jiān)測(cè)數(shù)據(jù)，實(shí)現(xiàn)管道中入流源的反演定位，有助于進(jìn)一步減少水量水質(zhì)分區(qū)監(jiān)測(cè)的工作量，拓展智慧排水的實(shí)現(xiàn)途徑和應(yīng)用價(jià)值。基于在線數(shù)據(jù)的水量來(lái)源溯源反演，本質(zhì)上是一種反問(wèn)題理論，其實(shí)現(xiàn)方式上有賴于管網(wǎng)數(shù)學(xué)模型和自尋優(yōu)算法的結(jié)合，通過(guò)與下游邊界時(shí)間序列實(shí)測(cè)數(shù)據(jù)的擬合反演水量來(lái)源。在排水管網(wǎng)數(shù)學(xué)模型與自尋優(yōu)模型的結(jié)合方面，目前其主要實(shí)現(xiàn)形式為開(kāi)放式的EPA暴雨管理模型（storm water management model，SWMM）與優(yōu)化算法的結(jié)合［24］。SWMM模型系統(tǒng)可在Python環(huán)境或者M(jìn)ATLAB下進(jìn)行二次開(kāi)發(fā)，實(shí)現(xiàn)與優(yōu)化算法的集成［25-26］。Zhao等［27］建立了基于PySWMM與微生物遺傳算法的排水管網(wǎng)破損與地下水入滲水量定量識(shí)別方法；在開(kāi)展水量水質(zhì)分區(qū)診斷的基礎(chǔ)上，針對(duì)地下水入滲的高風(fēng)險(xiǎn)區(qū)域，以地下水入滲量診斷結(jié)果作為約束條件，進(jìn)一步反演管網(wǎng)中的破損點(diǎn)位和水量分布，為基于在線數(shù)據(jù)的溯源反演提供了技術(shù)解決方案。該研究系統(tǒng)展示了排水管道數(shù)字化診斷的3個(gè)層次，如圖1示?；赟WMM模型與貝葉斯-馬爾科夫鏈蒙特卡羅抽樣算法，還可構(gòu)建排水管網(wǎng)污染物排放的溯源反演模型［28］，并結(jié)合電導(dǎo)率、pH、氨氮等在線檢測(cè)數(shù)據(jù)對(duì)污水管網(wǎng)中突發(fā)性工業(yè)污染排放的排放位置、排放量和排放時(shí)段等3個(gè)排放特征參數(shù)進(jìn)行反推。

圖1 排水管網(wǎng)不斷水操作的數(shù)字化檢測(cè)技術(shù)原理Fig.1 Technical route for digital pipe network detection without draining the drainage pipes

3 內(nèi)澇防治與溢流污染控制中的智慧決策

在管網(wǎng)智慧診斷和后續(xù)的改造修復(fù)基礎(chǔ)上，需要進(jìn)一步借助于管網(wǎng)系統(tǒng)的全局實(shí)時(shí)模擬和優(yōu)化調(diào)度，達(dá)到管網(wǎng)系統(tǒng)整體運(yùn)行效能的最優(yōu)化，實(shí)現(xiàn)緩解內(nèi)澇和削減雨天溢流的雙重目標(biāo)。

3.1 城市內(nèi)澇預(yù)警技術(shù)

3.1.1 基于數(shù)值模擬的地面積水預(yù)測(cè)

城市地面積水預(yù)測(cè)是一個(gè)非恒定流動(dòng)水流模擬問(wèn)題，基于機(jī)理性模型的數(shù)值模擬是常用手段。城市內(nèi)澇預(yù)測(cè)常用的數(shù)值模擬工具包括SWMM、MIKE URBAN、Infoworks等，其中管道中水流模擬基于非恒定流動(dòng)的圣維南方程，地面徑流模擬主要采用非線性水庫(kù)-運(yùn)動(dòng)波方程計(jì)算模式。在MIKE URBAN中還進(jìn)一步拓展了時(shí)間-面積模型、線性水庫(kù)模型、單位水位過(guò)程線模型等模式。隨著數(shù)值計(jì)算技術(shù)和電腦硬件的發(fā)展，高精度的地面徑流數(shù)值模擬和實(shí)時(shí)內(nèi)澇、洪水預(yù)報(bào)不斷得到應(yīng)用。

在高精度地表徑流模擬方面，基于二維淺水方程的地表徑流演算被加入到最新的模擬中，通過(guò)耦合地表徑流量和地下管線流量，模擬積水變化過(guò)程、影響范圍等。例如在廣東省東莞市的城市內(nèi)澇模擬案例中，采用了二維淺水方程演算地表徑流，預(yù)測(cè)了兩場(chǎng)降雨事件的地面積水深度并對(duì)內(nèi)澇風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)［29］。將城市內(nèi)澇數(shù)值模擬技術(shù)與三維GIS技術(shù)和可視化技術(shù)結(jié)合，可以更加直觀地展示整個(gè)降雨過(guò)程中的管道水位、溢流節(jié)點(diǎn)、滿管流管道的時(shí)空分布，為內(nèi)澇防控提供決策支持［30］。將排水管道模型和河道水動(dòng)力模型耦合，還可以進(jìn)一步對(duì)雨水徑流排放河道后，城市河道水位、流量的動(dòng)態(tài)演進(jìn)過(guò)程展示，服務(wù)于城市排水系統(tǒng)-河道的聯(lián)合調(diào)度。在上海浦東新區(qū)某鎮(zhèn)區(qū)的城市內(nèi)澇和河道防汛調(diào)度中，基于MIKE FLOOD（包括MIKE URBAN、河道水動(dòng)力模型MIKE 11和MIKE 21），構(gòu)建了城市內(nèi)澇耦合模型系統(tǒng)。該系統(tǒng)能夠?qū)Τ鞘杏旰槟Ｐ湍M結(jié)果進(jìn)行采集處理，實(shí)現(xiàn)積水監(jiān)測(cè)點(diǎn)預(yù)警、管段縱剖面圖展示、管網(wǎng)查詢、區(qū)域積水模型和河網(wǎng)水位模型結(jié)果動(dòng)態(tài)演示，并具有預(yù)測(cè)預(yù)警網(wǎng)頁(yè)發(fā)布平臺(tái)，為輔助處理城市洪水預(yù)報(bào)治理工作和防汛調(diào)度決策提供強(qiáng)有力的技術(shù)支持手段。除了MIKE FLOOD模型系統(tǒng)外，開(kāi)源式的模型系統(tǒng)架構(gòu)如SWMM模型和河道水動(dòng)力模型HEC-RAS的集成和二次開(kāi)發(fā)，預(yù)期也將在智慧排水平臺(tái)方面發(fā)揮更大作用［31］。隨著云計(jì)算等技術(shù)的發(fā)展，集成地表徑流模型、管網(wǎng)模型和河道水動(dòng)力模型的排水片區(qū)實(shí)時(shí)內(nèi)澇預(yù)報(bào)和河道水情預(yù)報(bào)也將成為可能。

3.1.2 基于機(jī)器學(xué)習(xí)的地面積水預(yù)測(cè)

基于機(jī)器學(xué)習(xí)的地面積水預(yù)測(cè)旨在根據(jù)天氣預(yù)報(bào)的實(shí)時(shí)變化，解決研究區(qū)域內(nèi)特定點(diǎn)位地表積水的快速、實(shí)時(shí)預(yù)測(cè)問(wèn)題。該方法的基本原理是首先通過(guò)機(jī)理性模型得到不同降雨情形下的若干計(jì)算案例，之后基于機(jī)器學(xué)習(xí)算法建立輸入變量包括降雨量、降雨歷時(shí)等與地面積水深度相關(guān)的學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)，在此基礎(chǔ)上利用學(xué)習(xí)后的網(wǎng)絡(luò)對(duì)實(shí)時(shí)降雨情形導(dǎo)致的地表最大積水深度進(jìn)行快速預(yù)測(cè)。同機(jī)理性模型的時(shí)空尺度上精細(xì)模擬相比，基于機(jī)器學(xué)習(xí)的預(yù)測(cè)算法僅輸出特定點(diǎn)位的最大積水深度，明顯降低了模擬計(jì)算時(shí)間，響應(yīng)速度更快，同時(shí)具有便于操作的特點(diǎn)。Yan等［32］以MIKE FLOOD的模擬算例為依據(jù)，建立了基于支持向量機(jī)（support vector machine，SVM）算法的城市內(nèi)澇預(yù)測(cè)模型系統(tǒng)，用來(lái)對(duì)區(qū)域最大積水深度進(jìn)行預(yù)測(cè)。以杭州市某排水系統(tǒng)為例（面積4.5 km2），對(duì)2013年近100場(chǎng)降雨事件的模擬分析表明，采用MIKE FOOD的模擬時(shí)間為78 h，而采用支持向量機(jī)模型的耗時(shí)僅為約6 ms。Hosseini等［33］、Geurts等［34］研究了基于機(jī)器學(xué)習(xí)的內(nèi)澇空間風(fēng)險(xiǎn)預(yù)測(cè)技術(shù)，具體利用聚類分析和增強(qiáng)廣義線性模型（boosted generalized linear model）、隨機(jī)森林、貝葉斯廣義線性模型等機(jī)器學(xué)習(xí)算法對(duì)已有的流域內(nèi)澇風(fēng)險(xiǎn)圖進(jìn)行學(xué)習(xí)訓(xùn)練，并結(jié)合模擬退火算法進(jìn)行輸入變量的特征子集篩選優(yōu)化，實(shí)現(xiàn)了由單一點(diǎn)狀的最大積水深度預(yù)測(cè)向空間尺度上的積水分區(qū)區(qū)域預(yù)測(cè)。

3.2 城市排水系統(tǒng)優(yōu)化調(diào)度技術(shù)

3.2.1 基于機(jī)理模型的排水系統(tǒng)優(yōu)化調(diào)度

通過(guò)排水系統(tǒng)的優(yōu)化調(diào)度，實(shí)現(xiàn)排水系統(tǒng)空間各單元截流輸送能力和污染物截流量的最大化，是管網(wǎng)溢流污染控制和內(nèi)澇防治的有效手段。排水系統(tǒng)的優(yōu)化調(diào)度是基于多目標(biāo)變量的非線性優(yōu)化問(wèn)題，需要借助管網(wǎng)水動(dòng)力水質(zhì)模型耦合優(yōu)化算法實(shí)現(xiàn)，通過(guò)對(duì)方案的尋優(yōu)得到滿足決策目標(biāo)最優(yōu)控制方案。從溢流污染控制的角度，通常管網(wǎng)優(yōu)化調(diào)度的目標(biāo)函數(shù)是溢流排放到受納水體的污染負(fù)荷最小化，優(yōu)化調(diào)度的控制變量包括中途泵站和調(diào)蓄設(shè)施的啟閉運(yùn)行方式，以及部分可更換管段等。中途提升泵站的運(yùn)行方式通常根據(jù)泵站前池水位來(lái)進(jìn)行優(yōu)化，根據(jù)目標(biāo)函數(shù)和約束條件優(yōu)化泵站前池水位區(qū)間對(duì)應(yīng)的雨污水泵開(kāi)啟臺(tái)數(shù)。

與單純的管網(wǎng)數(shù)值模擬相比，排水管網(wǎng)優(yōu)化調(diào)度則更強(qiáng)調(diào)機(jī)理模型和優(yōu)化算法的集成，對(duì)模型的開(kāi)放性提出了更高的要求。SWMM模型由于其具有的開(kāi)源性和文件接口靈活特點(diǎn)，可借助于Python編程環(huán)境下的PySWMM模塊實(shí)現(xiàn)管網(wǎng)模型與優(yōu)化算法的集成，在排水管網(wǎng)優(yōu)化調(diào)度模擬中受到較多的關(guān)注。趙志超［35］在Python環(huán)境下對(duì)SWMM進(jìn)行了二次開(kāi)發(fā)，實(shí)現(xiàn)了基于Sobol算法的情景方案自動(dòng)生成與模型自動(dòng)運(yùn)算功能。以安徽巢湖市老城區(qū)環(huán)城河沿岸排放口的雨天溢流污染最小化作為約束條件，確定了合流制系統(tǒng)泵站的優(yōu)化調(diào)度方案和下游污水輸送瓶頸管段的改造方案。Sadler等［36］通過(guò)集成Python和SWMM5，開(kāi)發(fā)了開(kāi)源模擬工具SWMM_mpc，實(shí)現(xiàn)了基于模型預(yù)測(cè)控制的排水系統(tǒng)優(yōu)化調(diào)度模擬分析。以美國(guó)弗吉尼亞州諾?？说貐^(qū)兩個(gè)排水系統(tǒng)匯水區(qū)為例，論證了基于調(diào)蓄設(shè)施容積和排放口動(dòng)態(tài)潮汐水位為多目標(biāo)約束條件的匯水區(qū)內(nèi)澇防控優(yōu)化調(diào)度方案，有效降低了研究區(qū)域內(nèi)澇風(fēng)險(xiǎn)。

基于優(yōu)化算法和SWMM耦合的排水管網(wǎng)優(yōu)化運(yùn)行調(diào)度，還體現(xiàn)在算法本身的改進(jìn)上，從傳統(tǒng)的遺傳算法到微生物遺傳算法、基于精英策略的遺傳算法NSGA-II等，以滿足運(yùn)行速度快、解集收斂性能好和同時(shí)兼顧內(nèi)澇防控和溢流控制的全局最優(yōu)。例如，在昆明主城區(qū)的排水系統(tǒng)和調(diào)蓄設(shè)施優(yōu)化設(shè)計(jì)中，陳豐［37］、白樺［38］利用SWMM模型與NSGA-II算法結(jié)合構(gòu)建多目標(biāo)優(yōu)化模型，并結(jié)合并行計(jì)算技術(shù)，實(shí)現(xiàn)調(diào)蓄設(shè)施數(shù)量、規(guī)模與布局的同步優(yōu)化。將管網(wǎng)、泵站、調(diào)蓄池、污水廠視為整體，還能制定廠網(wǎng)一體的聯(lián)合調(diào)度及運(yùn)行策略優(yōu)化方案，實(shí)現(xiàn)污水廠服務(wù)片區(qū)范圍的整體性提質(zhì)增效。

3.2.2 基于數(shù)據(jù)驅(qū)動(dòng)的排水系統(tǒng)優(yōu)化調(diào)度

基于物聯(lián)網(wǎng)獲取的實(shí)時(shí)降雨和管網(wǎng)同步水位、流量、水質(zhì)數(shù)據(jù)，可以建立降雨量與管網(wǎng)監(jiān)測(cè)數(shù)據(jù)的機(jī)器學(xué)習(xí)網(wǎng)絡(luò)；再通過(guò)建立未來(lái)降雨量的實(shí)時(shí)預(yù)測(cè)算法，可以實(shí)時(shí)預(yù)測(cè)未來(lái)降雨情形下的管網(wǎng)出流水量、水質(zhì)，從而為排水系統(tǒng)的運(yùn)行調(diào)控提供響應(yīng)時(shí)間，發(fā)揮實(shí)時(shí)調(diào)控功能。以日本東京排水系統(tǒng)優(yōu)化調(diào)度為例［39］，通過(guò)在地面安裝雷達(dá)雨量計(jì)以及在管道內(nèi)安裝在線流量、水位和水質(zhì)監(jiān)測(cè)設(shè)備，在實(shí)時(shí)監(jiān)測(cè)的基礎(chǔ)上，建立具有預(yù)測(cè)功能的非線性Hammerstein模型，具體利用當(dāng)前、過(guò)去時(shí)刻排水管道內(nèi)的流量、水質(zhì)、過(guò)去降雨量及過(guò)去降雨量的乘方值預(yù)測(cè)下一時(shí)刻的管道出流流量、水質(zhì)，實(shí)施排水系統(tǒng)的在線調(diào)度。從防止內(nèi)澇的角度，根據(jù)預(yù)測(cè)的管道出流水量并綜合考慮雨水泵站前池控制水位，通過(guò)物聯(lián)終端控制技術(shù)調(diào)整下一時(shí)刻的雨水泵開(kāi)啟臺(tái)數(shù)，使得雨水泵排放水量與管道出流水量動(dòng)態(tài)平衡。從溢流污染控制的角度，根據(jù)預(yù)測(cè)的管道出流水質(zhì)，當(dāng)出流水質(zhì)超出允許排放濃度臨界值時(shí)，盡可能開(kāi)啟污水泵對(duì)雨天出流水量實(shí)施截流或者采取必要的末端處理措施；反之則開(kāi)啟雨水泵將管網(wǎng)雨天出流水量排放河道。

基于數(shù)據(jù)驅(qū)動(dòng)的排水系統(tǒng)優(yōu)化調(diào)度，涉及到未來(lái)情形的實(shí)時(shí)預(yù)測(cè)，因此人工智能算法的選擇是其關(guān)鍵因素。表1給出了不同人工智能算法的對(duì)比及其在城鎮(zhèn)智慧排水中的應(yīng)用?？傮w上，除了上文采用的非線性Hammerstein模型外，長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)、循環(huán)單元神經(jīng)網(wǎng)絡(luò)等也具有良好的多步預(yù)測(cè)功能，是未來(lái)數(shù)據(jù)驅(qū)動(dòng)模型與排水系統(tǒng)智能化調(diào)度的結(jié)合點(diǎn)。

表1 機(jī)器學(xué)習(xí)算法在城市排水系統(tǒng)智慧決策中的應(yīng)用Tab.1 Application of machine learning method in smart decisionn-making of urban drainage systems

在此基礎(chǔ)上，還可以將機(jī)理模型和機(jī)器學(xué)習(xí)模型耦合，進(jìn)一步探索實(shí)現(xiàn)閘門(mén)、泵站實(shí)時(shí)控制的技術(shù)方法。如圖2所示，通過(guò)管網(wǎng)水動(dòng)力水質(zhì)模型并結(jié)合優(yōu)化算法，可以生成典型降雨情形下的排水系統(tǒng)泵閘優(yōu)化調(diào)度方案庫(kù)，作為機(jī)器學(xué)習(xí)模型的訓(xùn)練樣本?；谟?xùn)練后的機(jī)器學(xué)習(xí)模型，則可以快速生成在預(yù)測(cè)未來(lái)降雨情形下的泵閘優(yōu)化控制方案，提高排水系統(tǒng)優(yōu)化調(diào)度的精準(zhǔn)性。

圖2 機(jī)理模型和機(jī)器學(xué)習(xí)模型耦合的排水系統(tǒng)優(yōu)化調(diào)度示意圖Fig.2 Schematic diagram of optimal regulation of urban drainage system based on coupling of mechanistic model and machine-learning model

4 總結(jié)與展望

在GIS系統(tǒng)、物聯(lián)網(wǎng)技術(shù)發(fā)展的基礎(chǔ)上，新一代城鎮(zhèn)智慧排水系統(tǒng)的發(fā)展趨勢(shì)是從具備“眼睛”到具備“大腦”。管網(wǎng)診斷、內(nèi)澇預(yù)警和優(yōu)化調(diào)度是城鎮(zhèn)排水系統(tǒng)的智慧決策的3個(gè)重要方面。本文的主要結(jié)論如下：

（1）管網(wǎng)數(shù)學(xué)模型是實(shí)現(xiàn)智慧決策的核心工具，其前提是管網(wǎng)模型的可靠性，尤其需要對(duì)管網(wǎng)入流入滲水量的邊界條件進(jìn)行合理確定。管網(wǎng)數(shù)學(xué)模型的建立應(yīng)與管網(wǎng)診斷排查有機(jī)結(jié)合。不斷水的管網(wǎng)數(shù)字化診斷技術(shù)能夠?qū)崿F(xiàn)管網(wǎng)入流入滲水量的分區(qū)、分段定量解析，是智慧排水的重要環(huán)節(jié)。

（2）從排水系統(tǒng)全生命周期管理的角度，應(yīng)將數(shù)學(xué)模型、優(yōu)化算法、在線水位監(jiān)測(cè)有機(jī)結(jié)合，建立具有自尋優(yōu)功能的管網(wǎng)智能化模型系統(tǒng)。當(dāng)排水管網(wǎng)在線水位監(jiān)測(cè)數(shù)據(jù)與現(xiàn)狀模型模擬結(jié)果之間存在顯著的異常變化時(shí)，可通過(guò)智能化模型系統(tǒng)，實(shí)現(xiàn)對(duì)異常排放的快速反演定位。

（3）對(duì)于城市內(nèi)澇預(yù)警和管網(wǎng)溢流污染控制，數(shù)值模型和機(jī)器學(xué)習(xí)模型都是重要的實(shí)現(xiàn)手段。數(shù)值模型能夠?qū)崿F(xiàn)地面積水和管網(wǎng)水流水質(zhì)時(shí)空變化的精細(xì)化模擬預(yù)測(cè)，而機(jī)器學(xué)習(xí)模型則具有快速預(yù)測(cè)的功能。數(shù)值模型和機(jī)器學(xué)習(xí)模型的結(jié)合，有助于豐富機(jī)器學(xué)習(xí)模型的訓(xùn)練場(chǎng)景，提高人工智能的可靠性。對(duì)排水系統(tǒng)的整體運(yùn)行調(diào)控調(diào)度，還有依賴于數(shù)值模型、優(yōu)化算法和機(jī)器學(xué)習(xí)算法的進(jìn)一步融合，從而生成實(shí)時(shí)調(diào)度方案。

智慧決策的關(guān)鍵在于智能化模型，而開(kāi)源模型的二次開(kāi)發(fā)或者自主模型是建立智能化模型的基礎(chǔ)。未來(lái)應(yīng)進(jìn)一步加強(qiáng)在該方面的研究，從而實(shí)現(xiàn)在底層技術(shù)上的突破。

作者貢獻(xiàn)聲明：

尹海龍：提供研究思路，撰寫(xiě)論文。

張惠瑾：協(xié)助完善論文內(nèi)容。

徐祖信：提供研究思路與技術(shù)指導(dǎo)。