随着气候变化加剧，极端降雨及水浸风险愈趋频繁，发展智能且具韧性的排污系统管理尤为迫切。由香港理工大学建筑及房地产学系教授、人工智能物联网研究院、可持续城市发展研究院及碳中和资源工程研究中心成员 Tarek ZAYED 教授领导的研究团队，成功研发一套结合人工智能（AI）与物联网（IoT）的多层级模型，为排污系统管理带来更具成本效益、更智能化的解决方案。该模型具备多项功能，能预测渗漏严重程度、识别高渗漏风险区域，以及监测和预测高风险地点的溢流事故。
这套智能管理模型采用深度学习算法，能精准分析污水管道状况，从而助更有效识别老化及损坏的管道，完善进行闭路电视检测的优先排序。
系统的核心创新之一，是研究团队首创的「泄漏严重程度指数」。该指数可量化管道层级的泄漏严重程度，并建立相关模型，让排水系统管理人员及早识别容易出现泄漏的管段。Zayed 教授指出，排污系统泄漏是指污水从受损或有缺陷的排污系统溢出并渗漏至周边环境，可能导致土壤或地下水受到病原体、有毒化合物等污染物影响，对生态系统及公众健康构成威胁。
该人工智能模型综合考虑多项参数，包括管道特性、气候条件及环境影响，以预测泄漏发生的可能性及其严重程度，从而为维修工作的优次安排提供重要依据。研究结果显示，该系统在泄漏严重程度评估方面的准确率达 85%，可显著降低地下水污染风险。此外，该预测模型可用于优化保养日程，将营运效率提升 50% 至 60%，并减少 30% 至 40% 的紧急维修工作。相关研究成果已刊载于期刊《隧道与地下空间技术》(Tunnelling and Underground Space Technology)，论文题为「渠道网络泄漏严重程度主动管理：基于超参数优化的两级机器学习预测」。
除泄漏问题外，堵塞亦是导致排污系统失效的主要原因之一，严重时更可能引发水浸。为应对此问题，Zayed 教授团队进一步应用物联网技术，模拟排污网络在不同堵塞情景下的运作表现及溢流情况。
团队与香港特别行政区政府渠务署合作，在九龙区排水网络安装水位传感器，收集真实环境数据，并运用多种数据探勘技术进行案例仿真、模型校准与验证。这套物联网监测系统取得显著成效：曾出现堵塞问题的排污管段经针对性清理后，其整体运作表现提升达 85%。
相关研究论文「利用物联网技术评估不同堵塞情况下的渠道网络效能」已发表于《可持续性》（Sustainability）期刊。此研究获研究资助局的「优配研究金」及环境及自然保育基金的资助。
网上报导：
Mirage - https://polyu.me/41nOG64
大公报 - https://polyu.me/3OrIxmm
文汇报 - https://polyu.me/3OjGn8a； https://polyu.me/41WeB4V
紫荆杂志社 - https://polyu.me/4vivqER
你可能也感兴趣
