研究人員表示，人工智能技術檢測到了數(shù)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年的數(shù)據(jù)中識別出了926次 “泄漏事件”。 英國環(huán)境署發(fā)言表示這一方法的準確度令人印象深刻。環(huán)境署表示”我們歡迎任何能夠防止污染的技術?！?/p>

研究人員將他們的研究成果發(fā)表在《清潔水》雜志（Clean Water）上，研究中他們訓練計算機算法，通過排污事件時污水處理廠的水流模式去識別污染事件。

“排污”的組成

當發(fā)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。這是由于雨水和未經(jīng)處理的污水會給污水廠的暴雨罐造成過大壓力，導致罐中溢流進入處理管路。

但這種未經(jīng)處理的污水溢流排放頻率引起了環(huán)境學家和環(huán)保人士的擔憂。

來自Rivers Trust慈善組織的Christine Covin向BBC表示說：”去年我們制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(jīng)處理污水進入我們的河流?！痹谶@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(guī)模。 英國生態(tài)與水文中心（the UK Centre for Ecology and Hydrology，UKCEH）的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(jīng)上報的排放事件。 Andrew表示：”我們希望通過新技術的引入輔助水質保護工作的透明度和強制性?！?/p>

人工智能技術如何發(fā)揮作用？

該研究由UKCEH的Peter Hammond教授領導，研究使用了一種模式識別算法，這種算法最初用于醫(yī)學基因學研究。

Peter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(qū)別以幫助診斷某些特定的基因情況。”

“在本次的場景中，研究對象從面部的3D形狀變成了水流經(jīng)過污水處理廠的形態(tài)模式。”

這看上去貌似是兩個不相干的領域，但模式識別和機器學習方法的效果還是相同的。

模式識別，正如它的名稱一樣，是一種使用計算方法檢測數(shù)據(jù)中出現(xiàn)的規(guī)則或是重復出現(xiàn)元素的方法。而機器學習則使用提高自動化程度的算法，利用經(jīng)驗和數(shù)據(jù)分析來檢測到這些模式。

研究人員花費數(shù)年收集了兩家污水廠的流量數(shù)據(jù)——以此教會算法識別污水廠在正常運行和排放未處理污水時不同的 “水流形態(tài)”。

Singer教授說：“算法首先構建了知識體系，你再去測試這個算法?；旧夏憔桶阉袛?shù)據(jù)給到算法，然后提問說’你能找到其中的排污事件嗎’？”

使用兩所污水廠11年間的水流數(shù)據(jù)（研究中未經(jīng)人為識別的），算法識別出了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(jīng)過上報的排污事件”。

環(huán)境署也贊同說：“如果自來水公司希望將此類模型用作規(guī)劃工具以幫助管理污染，以及防止此類意外排放的發(fā)生，這是一個很棒的機會?！?/p>

Singer教授補充：“我的職業(yè)生涯一直希望理解污染產(chǎn)生的環(huán)境效應并去恢復環(huán)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(nèi)的污水排放問題。”

Colvin女士也補充道：”解決這一問題并非一朝一夕，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(jīng)城鎮(zhèn)和城市中雨水徑流的方式?！?/p>

“但如果我們還希望能夠有用水安全，希望實現(xiàn)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?！?/p>

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

“很多公司已經(jīng)正在使用AI技術管理其資產(chǎn)了”，英國水務的發(fā)言人表示：”我們將持續(xù)探索創(chuàng)新技術以穩(wěn)固河流未來的健康?！?/p>

責任編輯：lq