改革開放以來，我國城市供水能力和供水質(zhì)量不斷提高，現(xiàn)已建成規(guī)模龐大的供水設(shè)施，根據(jù)《中國城市建設(shè)統(tǒng)計年鑒（2017年）》數(shù)據(jù)顯示，全國已建成城市公共供水廠約2 880個。近年來，我國各地按照相關(guān)政策法規(guī)的要求，開展了城市供水水量、水質(zhì)、水壓等監(jiān)測能力的建設(shè)，具備了一定的供水安全監(jiān)管能力。伴隨著在線監(jiān)測手段和信息處理技術(shù)的發(fā)展，我國地方政府和城市供水單位對于革新供水行業(yè)的傳統(tǒng)監(jiān)管方式、提高供水監(jiān)管的自動化和智能化水平，表現(xiàn)出了濃厚興趣，“智慧水務(wù)”建設(shè)在各地蓬勃開展。

“十一五”和“十二五”期間，通過水專項課題的開展，初步建立了國家、省、市三級的城市供水水質(zhì)監(jiān)測預(yù)警系統(tǒng)技術(shù)平臺。但一方面當前供水監(jiān)管中存在實測指標不全面、監(jiān)測頻率不達標、風險預(yù)警不及時等問題，另一方面仍有部分地區(qū)的供水運營管理相關(guān)業(yè)務(wù)是以現(xiàn)場經(jīng)驗判斷、手動操作、人工報數(shù)等傳統(tǒng)手段為主，大中城市供水單位每日積累的海量供水數(shù)據(jù)所包含的信息幾乎尚未被挖掘利用。據(jù)初步統(tǒng)計，我國直轄市、計劃單列市、省會城市等36個重點城市的130多個公共供水廠，每年積累的水質(zhì)信息就多達1 350萬余條。當前供水大數(shù)據(jù)所蘊藏的信息利用潛能已越來越為業(yè)內(nèi)所共識，部分城市供水單位開始利用供水大數(shù)據(jù)開展了漏損控制、管網(wǎng)健康度評價管理等工作。國外一些供水單位對供水數(shù)據(jù)的應(yīng)用也進行了一些探索，例如英國聯(lián)合水務(wù)用供水數(shù)據(jù)預(yù)測未來用水量，從而提前做好生產(chǎn)預(yù)案；荷蘭的Vitens公司針對管網(wǎng)建立了預(yù)警系統(tǒng)可以在2 min內(nèi)識別爆管事件；歐盟資助的智慧水務(wù)項目也在研究根據(jù)用戶用水習慣預(yù)測未來用水量和消費趨勢等。

當前我國各地的供水監(jiān)管信息化水平雖有差異，但信息化建設(shè)進程正在提速發(fā)展。“十三五”期間，依托“城市供水全過程監(jiān)管平臺整合及業(yè)務(wù)化運行”課題，多家供水單位在建成了業(yè)務(wù)應(yīng)用系統(tǒng)模塊基礎(chǔ)上，正在探索進一步提高信息應(yīng)用效率、提高監(jiān)管水平。

2.1 內(nèi)部來源

2.1.1統(tǒng)計報表數(shù)據(jù)

一是可從城市供水單位、水質(zhì)檢測機構(gòu)等單位獲取水質(zhì)數(shù)據(jù)，包括水源水、水廠各工藝段進出水、出廠水、管網(wǎng)水、二次供水、龍頭水等環(huán)節(jié)的水質(zhì)檢測數(shù)據(jù)；二是可從城市供水單位獲取生產(chǎn)數(shù)據(jù)，包括設(shè)施資產(chǎn)、設(shè)備工況、材料庫存、售水情況、供水用戶信息、供水管網(wǎng)信息、設(shè)備維護檢修記錄、服務(wù)投訴信息等。

2.1.2 設(shè)備自動監(jiān)測數(shù)據(jù)

一是可從城市供水主管部門和城市供水單位收集獲取設(shè)備自動監(jiān)測數(shù)據(jù)，包括在線采集的水量、水位、水質(zhì)等實時數(shù)據(jù)；二是可從城市供水單位獲取現(xiàn)場作業(yè)數(shù)據(jù)，包括員工通過移動設(shè)備人為實時遠傳的地理位置、供水用戶水量、事故特征、現(xiàn)場照片、視頻等數(shù)據(jù)。

2.2 外部來源

除了獲取城市供水系統(tǒng)內(nèi)各部門數(shù)據(jù)，還可從環(huán)保、水利、氣象、衛(wèi)生健康等相關(guān)部門獲取與城市供水相關(guān)的水質(zhì)、水文、氣象等數(shù)據(jù)。

此外，在不影響被訪問的網(wǎng)站正常運行的前提下，采用符合法律、法規(guī)的方式，例如網(wǎng)絡(luò)爬蟲等技術(shù)，可獲取政府機構(gòu)、企業(yè)等組織提供的與供水服務(wù)有關(guān)的免費開放數(shù)據(jù)，包括供水水質(zhì)信息公開數(shù)據(jù)、供水事故信息、人口數(shù)據(jù)、建筑信息數(shù)據(jù)等。

3.1 水源和水廠大數(shù)據(jù)應(yīng)用

3.1.1 水質(zhì)風險關(guān)鍵指標篩選

在水質(zhì)日常監(jiān)測、風險預(yù)警和管控過程中，通過對水源、水廠，以及輸配水過程中的水質(zhì)指標及其環(huán)境類指標進行相關(guān)性分析，找出不同水質(zhì)指標之間、水質(zhì)指標與其它環(huán)境類指標之間的內(nèi)在關(guān)聯(lián)性，可篩選出水質(zhì)風險關(guān)鍵指標。

以篩選可預(yù)測水源水體富營養(yǎng)化的水質(zhì)預(yù)警指標為例，山東省城市供排水水質(zhì)監(jiān)測中心對某市水庫近5年的原水水質(zhì)月檢數(shù)據(jù)進行了整理分析，包括溶解氧、總磷、總氮、氨氮、硝酸鹽（以N計）、氮磷比、pH、渾濁度、葉綠素a等9項水質(zhì)指標。皮爾森相關(guān)系數(shù)計算結(jié)果顯示，原水中葉綠素a與硝酸鹽、總氮、pH、總磷、氮磷比、氨氮濃度存在顯著相關(guān)性。進一步分析發(fā)現(xiàn)，氨氮和磷元素是水源水中藻類增長最重要的限制因素。因此，初步篩選將pH、總磷和氨氮指標納入預(yù)測水源水體富營養(yǎng)化趨勢的預(yù)警指標。

3.1.2 水質(zhì)風險預(yù)警模型建立

以歷史水質(zhì)數(shù)據(jù)、相關(guān)水文及環(huán)境類等數(shù)據(jù)為基礎(chǔ)，通過應(yīng)用各類數(shù)據(jù)特征挖掘與分析技術(shù)，構(gòu)建時間序列、回歸分析等風險評估模型，可對水質(zhì)指標的未來數(shù)值和風險進行預(yù)測，通過單點閾值、多點聯(lián)動等方式進行水質(zhì)風險預(yù)警。

以預(yù)測原水高錳酸鹽指數(shù)超標風險為例，山東省城市供排水水質(zhì)監(jiān)測中心為做好水質(zhì)風險預(yù)警，根據(jù)2012年5月～2016年2月的高錳酸鹽指數(shù)月檢數(shù)據(jù)，預(yù)測未來一段時間的高錳酸鹽指數(shù)月度平均值。根據(jù)數(shù)據(jù)波動特征，選擇指數(shù)平滑法模型進行分析，預(yù)測結(jié)果顯示2016年3～8月的高錳酸鹽指數(shù)月均濃度不存在超標風險。

圖1 高錳酸鹽指數(shù)濃度預(yù)測曲線

3.1.3 水廠運行工藝調(diào)整輔助決策

通過分析原水關(guān)鍵水質(zhì)指標在工藝流程中的變化情況，并對工藝運行參數(shù)如藥耗、濾池反沖洗周期、排泥周期等，以及出水水質(zhì)情況同步分析，可基于不同進出水水質(zhì)條件下的運行工況和水質(zhì)預(yù)警結(jié)果構(gòu)建工藝調(diào)整輔助決策模型。當面臨水源地水質(zhì)突變、水廠藥耗增加等相關(guān)參數(shù)變化問題時，可將相關(guān)信息作為輸入?yún)?shù)，利用輔助決策模型模擬出水情況，從而避免了人為判斷的主觀性。此外，輔助決策模型也可預(yù)測出水水質(zhì)達標條件下對應(yīng)的水源地水質(zhì)預(yù)警值及工藝藥耗最小值。

北京首創(chuàng)股份有限公司在經(jīng)營華北某水廠時，為了提前準備工藝預(yù)案，基于2014～2017年實測的進出水水質(zhì)數(shù)據(jù)和記錄的運行工況數(shù)據(jù)，建立“水源地水質(zhì)/水量-水廠藥耗-出水水質(zhì)”在不同區(qū)間下一一對應(yīng)的關(guān)聯(lián)性，并采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立了工藝調(diào)整輔助決策模型。模型的輸入值主要包括進水條件（溫度、pH）、水源地水質(zhì)（渾濁度、色度、高錳酸鉀指數(shù)、細菌總數(shù)）、進水水量及藥品投加量（聚合氯化鋁投加量、加氯量），輸出值為經(jīng)凈水工藝處理后的對應(yīng)出廠水質(zhì)。通過改變不同的工況條件，可準確快捷地預(yù)測得到對應(yīng)的出水水質(zhì)，并可同步計算所實現(xiàn)的污染物去除率，同時可反推在出水水質(zhì)達標要求下，進水條件或各工況工藝參數(shù)的預(yù)警值。

3.2 供水管網(wǎng)大數(shù)據(jù)應(yīng)用

在明確供水管網(wǎng)運行事故具體評價對象前提下，根據(jù)供水管網(wǎng)大數(shù)據(jù)，可建立模型對供水管網(wǎng)的運行事故評價指標發(fā)生概率進行定量預(yù)測。進一步結(jié)合管道級別、道路等級、人口密度等因素，可通過構(gòu)建定量判別指標體系和評判標準，評估管道風險影響程度，從而明確管道修復/更新改造的優(yōu)先級，科學劃定供水管網(wǎng)修復/更新改造的范圍。

以評估供水管網(wǎng)運行風險為例，深圳市水務(wù)（集團）有限公司選擇爆管風險作為供水管網(wǎng)運行風險的評估指標，選取管材、管徑、管齡、道路負荷、運行壓力、雜散電流、是否發(fā)生破損等影響因子，采用隨機森林模型構(gòu)建了供水管網(wǎng)爆管風險評估模型，取得了較好的預(yù)測結(jié)果（見圖2），以該數(shù)值的大小來量化評價供水管網(wǎng)運行風險，并作為制定供水管網(wǎng)更新改造計劃的重要數(shù)據(jù)參考。

圖2 供水管網(wǎng)爆管概率預(yù)測結(jié)果與實際破損情況對比

利用供水大數(shù)據(jù)開展管網(wǎng)漏損控制也是當前的熱點應(yīng)用之一。伴隨著住建部《城鎮(zhèn)供水管網(wǎng)分區(qū)計量管理工作指南——供水管網(wǎng)漏損管控體系構(gòu)建（試行）》等相關(guān)政策文件的出臺，基于分區(qū)計量管理的漏損控制在北京、上海、鄭州等多個城市得以推廣應(yīng)用。

3.3 供水用戶服務(wù)信息大數(shù)據(jù)應(yīng)用

3.3.1 公眾反饋供水問題熱詞與熱圖解析

以公眾反饋的供水客服、網(wǎng)絡(luò)輿情等數(shù)據(jù)作為數(shù)據(jù)應(yīng)用的核心，通過解析問題熱詞和熱圖，可精準掌握服務(wù)痛點問題與公眾輿情。進一步結(jié)合與之相關(guān)的生產(chǎn)、營銷等數(shù)據(jù)，開展問題溯源，可為改進服務(wù)提供決策參考依據(jù)。

以改進水質(zhì)投訴問題為例，濟南水務(wù)集團有限公司發(fā)現(xiàn)2016年10～12月間，水質(zhì)投訴類客服工單數(shù)量增加明顯。通過篩選統(tǒng)計高頻詞匯，并根據(jù)文本語義與組織結(jié)構(gòu)進行最小串分詞，選取高頻排序優(yōu)先的關(guān)鍵詞構(gòu)建出熱詞庫，發(fā)現(xiàn)高頻熱詞為龍頭水有異味。將所有涉及龍頭水有異味數(shù)據(jù)的發(fā)生地點進行數(shù)據(jù)抽取，發(fā)現(xiàn)所涉及地點圍繞某道路周邊沿線分布，初步判定投訴問題與該道路對應(yīng)供水廠的出廠水水質(zhì)或其原水水質(zhì)相關(guān)。進一步的相關(guān)性分析結(jié)果顯示，原水的藻類物質(zhì)濃度與龍頭水有異味數(shù)據(jù)條目數(shù)量存在顯著相關(guān)性（相關(guān)系數(shù)為0.969）。溯源調(diào)查發(fā)現(xiàn)，2016年10～12月，南水北調(diào)原水注入了水源地水庫，導致水庫水體藻類物質(zhì)濃度急劇升高，并分解產(chǎn)生了嗅味物質(zhì)，造成水體異味增加。經(jīng)此分析，供水單位在外水注入水庫之際，增加了對藻類指標的檢測，提前制定生產(chǎn)預(yù)案控制水質(zhì)異味，減少了此類問題的投訴率。

3.3.2 供水用戶用水行為分析

以供水客服數(shù)據(jù)中的供水用戶信息數(shù)據(jù)與供水管網(wǎng)末端小區(qū)二次供水數(shù)據(jù)為基礎(chǔ)，結(jié)合其它相關(guān)數(shù)據(jù)，采用適當?shù)臄?shù)據(jù)挖掘技術(shù)，可構(gòu)建二次供水泵房指標變量時間序列，繼而對不同序列之間的指標變量的趨勢性、周期性及其隨機性進行相關(guān)相異分析，在此基礎(chǔ)上總結(jié)得出該序列所代表小區(qū)用水行為變化趨勢。

為優(yōu)化供水管網(wǎng)末端的壓力調(diào)度、改善客戶服務(wù)質(zhì)量，濟南水務(wù)集團有限公司以供水用戶信息與2018年的二次供水生產(chǎn)數(shù)據(jù)為基礎(chǔ)，結(jié)合與之相關(guān)的其它業(yè)務(wù)數(shù)據(jù)，分析了不同小區(qū)之間的用水量變化特征。以其中2座泵房為例，泵房a所在小區(qū)建成于2004年、泵房b所在小區(qū)建成于2011年，兩座泵房設(shè)備運行狀態(tài)良好，在線儀表經(jīng)過校準，且上游供水水廠相同、上級加壓站相同。分析發(fā)現(xiàn)，泵房a實時流量最高值多出現(xiàn)在0時，18時，7時，9時，10時，15時，16時，最低值多出現(xiàn)在5時，23時，2時，全天用水無明顯高峰；泵房b實時流量最高值多出現(xiàn)在0，22，7時，最低值多出現(xiàn)在6時，23時，3時，用水量的峰谷波動明顯。結(jié)合小區(qū)業(yè)主用戶平均年齡（泵房a所在小區(qū)平均48.5歲，泵房b所在小區(qū)平均38.3歲），推斷出泵房a所在小區(qū)，由于成年人，尤其老年人較多，用水無明顯高峰；泵房b所在小區(qū)，由于青壯年、學前及義務(wù)教育階段適齡人群較多，導致出現(xiàn)晨間與晚間用水高峰時間的波動。根據(jù)不同小區(qū)之間供水用戶平均年齡、小區(qū)位置、小區(qū)建造時間等因素，針對性地定性溯源用水行為特征產(chǎn)生原因，從而為提前做好客戶服務(wù)預(yù)案和供水調(diào)度決策提供了數(shù)據(jù)支撐。

針對當前城市供水監(jiān)管中存在的信息化水平較低、數(shù)據(jù)價值挖掘不足等問題，基于大數(shù)據(jù)分析中的數(shù)據(jù)挖掘和綜合評價等技術(shù)，利用相關(guān)性分析、隨機森林、神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)分析算法，可對城市供水大數(shù)據(jù)潛在信息進行提取分析，開展大數(shù)據(jù)技術(shù)在供水安全動態(tài)監(jiān)管與風險預(yù)警領(lǐng)域的應(yīng)用。