智能决策和数字孪生在水务行业的崛起

导语：水务公司的智能决策支持系统随着新技术和机器学习而不断发展。本期，我们请来赛莱默数字化解决方案全球副总裁Luis Montestruque，讲述数字孪生和智能决策如何帮助水务公司更好地掌握基础设施状况，从而做出更明智的决策。

随着天气变得越来越不可预测，大暴雨会对水务基础设施系统造成严重破坏，引发溢流和洪水。尽管有控制措施和应对多雨天气的设施，但旧的水力模型无法预测暴雨天气对城市和水务公司造成的影响。现下，赛莱默有更好的方法——利用数据指导系统应对暴雨天气。

从五年前开始，人工智能和机器学习作为一种全新技术开始被水务公司采用，此后发生了很多变化。但，由于缺乏好的框架将新技术串联起来，让水务公司充分利用人工智能和机器学习的价值。

Montestruque将水务公司决策支持系统的演变与汽车智能技术的发展进行了比较。

几年前，GPS辅助导航系统成为汽车的主流技术。现如今，没有GPS辅助导航系统的汽车已经绝迹。不仅如此，很多汽车已经实现了自动驾驶，这些不断涌现的新技术、新系统恰恰属于决策支持系统的范畴。

智能决策支持系统的运作原理

智能决策支持系统是计算机化系统，能够帮助管理者做出决策，实现既定目标。在某些情况下，系统能够自动完成任务。智能决策系统的有用之处，在于它们能够分析多种变量并给出建议，帮助管理者以更低的成本、更高效地实现目标。它们使用的框架很简单：感知—预测—行动。

首先，智能决策支持系统利用传感器数据或来自其他系统的数据，确定目标系统的当前状态。其次，系统采用模型来预测在各种策略下可能产生的结果。第三，决策支持系统使用一个分析平台寻找可实现预期目标的最佳策略。

Montestruque表示，水务公司部署使用感知—预测—行动框架的决策支持系统并不是什么新鲜事。10年多来，我们通过部署决策支持系统，帮助污水管网避免溢流和洪水，帮助污水处理厂降低能耗，帮助饮用水网络发现泄漏并降低能耗。发生改变的是，新技术帮助降低了部署决策支持系统的成本。例如，“物联网”技术便于企业经济地部署数百个电池供电传感器。

利用数字孪生了解基础设施

Montestruque直言，数字孪生技术真正改变了智能决策支持系统的部署方式。数字孪生是对基础设施的数字化表示，借此了解基础设施如何工作。

传统上，数字孪生使用“第一性原理”构建。这些“第一性原理”模型利用物理、化学或生物方程来模拟基础设施。建立和校准“第一性原理”模型是一个漫长且代价高昂的过程。基于“第一性原理”模型构建的决策支持系统很有效，但是除非人工校准模型，否则无法汲取过去的经验。

最近，我们一直通过机器学习来增强我们的数字孪生，使它们能够不断地学习。这一点很重要，因为数字孪生能够利用历史数据自动“校准”，以更好地描绘基础设施。这通常意味着模型构建成本显著降低，由此产生的数字孪生能保持极高的准确性。

向智能决策模式转变

性能最佳的数字孪生在不确定性较低的领域(如管道水力学)使用“第一性原理”模型，在不确定性较高的领域(如下水道系统水文学)使用机器学习。

Montestruque表示，当我们将决策支持系统与数字孪生相结合时，产出的是独特的、一个能够不断学习和不断适应的决策支持系统。我们将这种新的模式转变称为“智能决策”。通过智能决策，我们在数字孪生中结合过去十年的运营历史来经营污水处理厂。当新事件发生时，系统会学习更多，从而运行地更准确。现在，当暴风雨即将来临时，城市的智能决策会自动开始搜索历史数据，从而给出成千上万种可能的应对策略。