【大公報訊】記者戴東報道：近年極端天氣愈趨頻繁，為城市污水系統帶來沉重壓力，有關系統一旦受損，將導致污水洩漏、溢流甚至水浸。為應對這些挑戰，香港理工大學研究團隊開發一套結合人工智能（AI）及物聯網的多層級模型，建構更具成本效益的智能污水管理系統，不但可預測洩漏嚴重程度、鎖定易滲漏區域，更可監測和預測高風險地區的溢流情況。

業界現時普遍使用閉路電視檢查管道狀況，若要應用於整個污水管網，成本高昂且耗時。理大建築及房地產學系教授Tarek Zayed教授帶領團隊開發智能管理模型，利用深度學習算法精準分析污水管道狀況，有助識別老化及受損部分，以便規劃不同區域閉路電視檢查的優先次序。

此系統的核心部分包括由團隊開創性設計的「洩漏嚴重程度指數」（Exfiltration Severity Index，簡稱ESI），用來量化及模擬個別管道層級的洩漏嚴重程度，讓管理人員能預先識別易洩漏的管段。研究顯示，該系統在評估嚴重程度方面的準確率達85%，能顯著降低地下水污染風險。同時，透過優化保養日程，此預測模型將營運效率提高50%至60%，並減少了30%至40%的緊急維修工作。

除洩漏外，管道堵塞亦是導致污水系統無法正常運作的主因，嚴重時更會引致水浸。研究團隊進一步應用物聯網技術，模擬水管網絡在不同程度堵塞下的運作及溢流情況。

團隊與渠務署合作，在九龍區的排水網絡安裝水位感測器，利用不同數據探勘技術收集真實數據，作模擬案例研究、模型校準及驗證之用。團隊應用這個以物聯網技術為本的監測系統，讓曾出現堵塞問題的管段接受重點清理，提升其整體效能85%，成效顯著。