对地球生命而言，没有什么比水更重要了。
全世界近6.63亿人全年没有安全的清洁用水。 气候变化可能使局势恶化，为经济欠发达国家找到解决方案是当务之急。 大数据和AI等新技术可以帮助您找到出路...
凯蒂·沃尔特斯（Katy Walters）/水，到处都是水/ [CC BY-SA 2.0 ]
大数据 -使用工具处理大量信息的速度比人们在没有技术支持的情况下可以更快地进行处理。
近年来，由于低成本传感器和对地理空间分析的更多使用，数据的获取和累积量有所增加。 这些新技术提高了我们定位和控制供水的能力。 此外，现代传感器提供的基础设施为所有系统上的云计算和增加的数据可用性创造了机会。
农业产业
迄今为止，农业是世界上最大的用水户（和浪费户）。 农民使用了全世界70％的淡水，但由于灌溉厂的泄漏和不合理的使用而损失了60％ 。
大数据分析可以继续寻找最佳解决方案，以平衡农业方面的生产率和可靠性。 它还可以防止人为造成的事故，例如水质突然下降，这些事故可以一直隐藏到后果完全显现出来为止。
这可以帮助自来水公司了解土地使用和气候变化趋势，这些趋势将影响规划适应性和受监管的供水系统时的关键决策。
大数据和建模有助于供水公司和土地测量师的共同工作，以评估在各种开发方案下将需要多少水和可用水量。
浪费水
在20世纪，世界人口增加了两倍，而人类用水却增加了六倍。
直到今天，供水公司在时间和资源上都处于停滞状态。 他们的供水和卫生基础设施遭到破坏，水泵发生故障，管道泄漏，其他零件过期，但是受资金限制的企业没有足够的资金或基础设施知识来进行必要的改进。
紧急数据问题
实际上，大数据意味着存在大量数据。 自来水公司通过监督控制和数据收集（SCADA）系统接收数据，包括流量统计，在线监控等。
调度管理和数据收集（SCADA） -使用计算机，本地数据网络和图形用户界面来高层组织控制和管理的软件。
企业已经在部署SCADA系统，使他们能够收集大量数据。 但是，通常会发现他们不知道或不关心如何使这些数据带来具体的好处。
他们的SCADA系统可能很旧，可以产生独特的数据格式，而不必为协作而创建（不统一）。
另外，在处理设施处收集的数据通常是零散的。 并非总是相互联系的计算机系统数据存在不统一。 大数据和新数据管理工具的发展使我们能够将所有这些数据转换为可理解的有用信息，从而帮助我们变得更加审慎和做出更好的业务决策。
此外，掌握此类信息的企业员工更有可能甚至在潜在问题发生之前就提前发现潜在问题，而不是急于修理泵损坏之类的东西。 SCADA系统能够实时显示当前情况并立即发出问题信号。 使用智能平台处理和分析数据来预测可能出现的问题的能力从根本上改变了情况。
下一步-结合数据并使用分析处理工具来预测我们应该去哪里，以便变得更有远见-对于水资源管理而言，这是极为重要的。
注重质量，而不是数量。
即使是最精细组织的分析数据处理也无法避免测量错误。 如果您对主要的传感器和分析仪不确定，则将有大量不正确的错误数据 。
如何运作
数据挖掘（译者注：该术语有几种翻译，本文将使用“数据提取”）-这就是处理大数据的专家如何在原始数据流中发现信息的方法。 然后可以使用贝叶斯推理和博弈论模型等数学模型来同步公用事业提供者和消费者双方的激励和利益。 来自大数据的通信知识最终将被共享，以便操作员，工程师和管理人员可以使用它。
不缺少原始数据。 几乎60％的供水公司在所有抽水站都有远程数据收集系统，而43％的公司在所有水库都有数据收集。
大数据优势：
-高级趋势
高性能大数据（巨大的数据集）具有创建供水基础设施智能资源管理的潜力，使管理人员能够正确，准确地评估，预测和分配其资源。 趋势分析可以为供水公司提供帮助，趋势分析在创建对未来的预测时，将基于分析方法来识别隐藏在旧数据中的隐藏模式和趋势。
-预测需求
大数据的高级分析通过识别模式并使用动态建模系统和先进的机器学习算法对多个场景进行建模，从而可以预测高级管理者实际可行的系统负载。 改进了对系统负荷的预测，以预测使用多个数据集中的大数据来消耗水时的行为，例如人口统计学因素（人口密度等），过去的消耗模式，气候（温度，湿度等） ），基础设施（使用的技术，年龄，生产力等），政治，经济和其他条件。 这些成分是用于开发可以预测消费者行为（即用水需求）的预测模型的输入变量。
-自动控制
如果这些SCADA系统可以发送自整定命令，而不是向工程师团队发送信号，该怎么办？ 让我们想象一下诸如自我调节技术之类的技术，它们可以帮助我们调节水量。
-打开数据
数据集成推动创新的其他一些领域是开放数据和民用科学。 公用事业无法在竞争环境中工作这一事实的另一面是为他人创造创新条件的能力。 企业可以收集数据集，并且在某些情况下可以作为开放数据供第三方使用。
如何申请人工智能
AI是适用于公用事业公司拥有的大量水管的高度可扩展且具有成本效益的解决方案。 除了数据集成外，AI还通过基于该数据提供建议来改善决策。
基于机器学习的AI软件进行管道评估比仅仅使用机器人技术是一种更好的开发策略。 AI可以在几小时内分析数千英里的距离，从而成为极具成本效益的解决方案。
机器学习是在数据中找到有意义的关系然后派生可用于决策的功能关系的最佳方法。
例如，已经开发了预测模型，以使公用事业能够以高达98％的准确度预测需求。 这些模型使用收集的数据，并与其他数据（例如天气预报）结合，然后将其传输到外部应用程序中的机器学习模型。
尽管其他行业正在广泛使用趋势分析和预测，但它们的关键价值仍然是高度分散的水务行业的一个谜。
服务提供商和公用事业应投资于组织适当的数据收集系统，以收集，分组和分析微观和宏观数据趋势，这是优化水务部门基础设施资源管理和决策的第一步。
一些初创公司正在开发深度学习水管理解决方案。 两家公司承诺“将提供一个防止供水系统漏水的机会，以预测系统的总体状况并最大程度地降低当前成本。” 他们可以使用最先进的深度学习算法来分析传感器和计数器中的时间戳数据。
在印度，已经开发了两个ANN模型来确定Gomti河中的水质。 以水质参数（如酸度（pH），总固体含量，化学需氧量）为数据集，并对水中溶解氧和生物需氧量进行了初步计算。
人工神经网络（ANN）是基于生物神经网络的结构和功能的计算模型。
使用包含三年观察数据的数据开发了原型神经网络。 使用与溶解氧的相关系数计算输入数据集。 使用相关系数，标准误差和效率系数比较了ANN原型的计算结果。 水中溶解氧的估算值与生物需氧量相同。
管道数据处理示例
个案研究
在班加罗尔，自来水公司可以随时测量流量，并尽可能公平地获取水。 观察单个控制面板，就可以监视250多个水表的运行，并更加注意各个单元。
在印度喀拉拉邦，公司依靠IBM水表和传感器来监控用水量，包括识别可能表明未经授权使用的个别情况的违规行为。 大数据处理和分析平台的优势在于，它们可以查找可能无法检测到的模式偏差。
最后，谷歌已与多个国家达成协议，共同开发用于洪水预报的AI模型。
推文翻译大赦国际表明，获得清洁水再次成为世界头等大事。 SXSW小组（西南偏南-电影制作和会议组织）已经形成了“集体思维”，其标签为@unanimityII，以提出联合国全球目标的最佳重点。
数据分析的未来
由于我们正在进入大数据时代，自来水公司将能够使用先进的传感器，以捕获之前未发现的基础设施运营变化。 这些预测技术将帮助公司预测设备故障和泄漏。
智能技术可以帮助水务公司改善客户服务。 例如，使用自助服务功能的信息分析系统使用高级方法来记录和分析水质数据，可以使用户控制和优化自己的用水量。
一系列技术先进的分析工具为水务公司提供了满足这些迫切需求并将原始数据转换为实用信息的机会。 数据分析可以快速识别基础设施中的故障，减少水的流失，防止排水管溢出并评估系统状态。 此外，数据可以揭示生产率，提供有关主动维护案例的信息，并为长期计划提供指导。
尽管在大多数情况下，他们谈论大数据是用数字技术代替有形资产，但更为重要和有影响力的趋势是使用在线工具来提高离线实体（如水管理）中有形资产的使用效率。 在这种情况下，数据的作用并不能使领导者说话精明。 他们的任务是帮助做出更好的决策。 而且，无论您多么酷，都不能仅靠技术或数据分析来做到这一点。
数据和水是真正兼容的。
关于这篇文章的作者 。 Alexandre Gonfalonieri在他的博客中写道，人工智能在日常生活中的使用以及解决紧迫问题的方法。