هوش مصنوعی و حل چالش‌های آب
رشد شهرنشینی، نیمی از مناطق جهان را با چالش‌های تأمین آب سالم روبه‌رو می‌کند که هوش مصنوعی می‌تواند برای مقابله با این کمبود، نقش سازنده‌ای در جلوگیری از هدررفت آب ایفا کند.
تخمین زده می‌شود که حدود ۷۸۵ میلیون نفر در جهان حتی از خدمات اولیه آب آشامیدنی محروم هستند و حداقل دو میلیارد نفر از آب آلوده به فاضلاب استفاده می‌کنند که باعث انتقال بیماری‌هایی مانند اسهال، وبا، اسهال خونی، حصبه و فلج اطفال می‌شود. سازمان جهانی بهداشت تخمین می‌زند که تا سال ۲۰۲۵، نیمی از جمعیت جهان در مناطقی با چالش‌های آبی ساکن هستند. فقدان استاندارد‌های بهداشتی، همراه با محدودیت‌های پیش رو، تهدید بزرگی در بسیاری از مناطق جهان است.
بسیاری از شهر‌ها به‌ویژه در مناطق خشک در حال رسیدن به مرز‌های ارائه خدمات آب به شیوه پایدار هستند. هوش مصنوعی برای غلبه بر این چالش‌ها به کمک انسان آمده است و بسیاری از سازمان‌ها استفاده از هوش مصنوعی را برای کنترل آب و مقابله با بحران کمبود آب، در جنبه‌های متعددی همچون جلوگیری از هدر رفتن آب یا کسب دانش بیشتر در مورد نحوه استفاده بهینه از منابع آبی آغاز کرده‌اند.
بیشتر بخوانید: همکاری ایرباس و هلزینگ برای هوش مصنوعی در هواپیماهای نظامی سرنشین‌دار و بدون سرنشین
هوش مصنوعی و حل بحران آب
سازمان آب، صلح و امنیت (WPS) که مسئولیت جذب سرمایه‌گذار و ارائه پیشنهاد‌هایی برای پیشگیری از درگیری‌ها بر سر آب و هماهنگی بین سرمایه‌گذاران و سیاستمداران را بر عهده دارد، در حال طراحی ابزار‌ها و خدمات نوآورانه‌ای است که می‌توانند خطرات مرتبط با حوزه آب و آب‌رسانی را شناسایی کند. این ابزار‌ها قادر هستند تغییرات و اثرات کوتاه‌مدت کمبود آب را نشان دهند و دلیل آنها را در عوامل اجتماعی، سیاسی، اقتصادی و هیدرولوژیکی جست‌وجو کنند.
کارشناسان این سازمان از هوش مصنوعی برای پیش‌بینی محل وقوع درگیری‌های جهانی مرتبط با آب استفاده می‌کنند و بر اساس پیش‌بینی‌های آنها، سیستم‌های هشدار برای بررسی علل این درگیری‌ها مورد استفاده قرار می‌گیرند و کمک‌ها را به‌طور خاص به مناطقی هدایت می‌کنند که بیشتر به آن نیاز دارند. اجرای مرحله آزمایشی این ابزار موفقیت‌آمیز بوده است به‌طوری‌که بیش از ۷۵ درصد از درگیری‌های مربوط به آب دلتای داخلی نیجر در مالی را به‌درستی پیش‌بینی کرده است.
از سوی دیگر، تیمی از محققان دانشگاه استنفورد در حال ترکیب داده‌های سنجش از دور با روش یادگیری ماشینی برای شناسایی و نظارت بر سد‌ها و مخازن کوچک‌تر هستند. این سازه‌ها که آب آشامیدنی را تأمین و انرژی آبی تولید می‌کنند، اگر به‌دقت ساخته و مدیریت نشوند، می‌توانند اکوسیستم‌ها را به خطر بیندازند.
آب در کلان‌شهر‌ها
هوش مصنوعی می‌تواند در شهر‌هایی با جمعیت بیش از ۱۰ میلیون نفر که با خطر کمبود آب و دسترسی نابرابر به این منبع مواجه هستند، به حل مشکلات کمک کند. در هند، از اینترنت اشیا (IoT) استفاده می‌کنند تا اطمینان حاصل شود که مردم به یک منبع آب مقرون‌به‌صرفه و پاک دسترسی دارند. هدف از جمع‌آوری و تجزیه‌وتحلیل داده‌ها، درک علل تغییرات در دسترسی به آب برای محله‌ها است که در این راستا می‌توان از هوش مصنوعی برای مدیریت بهتر منابع، بهبود برنامه‌ریزی آب و تشخیص نشتی‌ها استفاده کرد. با گروه‌بندی داده‌ها و ترکیب آنها با موضوعاتی مانند جریان مخازن، آب‌وهوای فصلی و کاربری مسکونی می‌توان حداکثر تقاضا را پیش‌بینی و کمبود‌ها را شناسایی کرد.
مقدار زیادی از منابع آب در شهر‌ها از زیرساخت‌های زیرزمینی عبور می‌کند که قابل مشاهده نیست، اما حفظ آن در شرایط خوب برای افزایش بهره‌وری و طول عمر مفید منابع امری ضروری است. اگر اطلاعاتی در مورد وضعیت لوله‌های زیرزمینی در دسترس باشد، خدمات عمومی می‌تواند عملکرد موجود را با آنچه انتظار می‌رود، مقایسه و زمان و چگونگی بروز مشکلات را پیش‌بینی کنند. حسگر‌های کوچک، مقاوم و کم‌ولتاژ این داده‌ها و اطلاعات را برای پردازش به هوش مصنوعی ارسال می‌کنند تا بر زیرساخت‌های غیرقابل‌مشاهده در زمان واقعی نظارت داشته باشد. این اطلاعات می‌تواند با داده‌های دیگر مانند آب و هوا و حتی جزرومد ترکیب شوند و مبنای قوی‌تری برای تصمیم‌گیری در دسترس مسئولان قرار دهند.
بیشتر بخوانید: شرکت‌های معدنی استرالیا پیشگامان انقلاب رباتیک
شهر‌های هوشمند آب
بحران آب در شهر‌ها با دو چالش یافتن منابع جدید آب و مدیریت ذخایر و سیستم‌های آبی موجود به شیوه‌ای پایدار روبه‌رو است و هوش مصنوعی می‌تواند با ابرداده‌های جمع‌آوری‌شده آموزش ببیند و الگوریتم‌هایی را برای مقابله با این چالش‌ها ارائه دهد. امروزه محققان الگوریتمی را ارائه کرده‌اند که ساخت نیروگاه‌های آبی را امکان‌سنجی می‌کند تا آماری به‌روز در مورد وضعیت فعلی منابع ارائه و به ساخت مدل‌هایی برای آینده کمک کند. هوش مصنوعی با کمک حسگر‌ها و شبکه‌های عصبی، می‌تواند استراتژی‌ها یا مدل‌های پیش‌بینی برای آینده را برای بهبود مصرف و بومی‌سازی این دارایی اساسی ایجاد کند. در ادامه به نمونه‌های موفق برنامه‌های اجراشده در شهر‌های هوشمند آب اشاره می‌شود.
صرفه‌جویی هوشمندانه یوتا در مصرف آب، ایالات متحده آمریکا
افزایش غیرقابل‌تحمل دمای هوا در منطقه سنت جورج ایالت یوتا منجر به افزایش بی‌رویه در مصرف آب و همچنین بروز نشتی در زیرساخت‌ها شده است. معضل نشتی بیش از ۴۸ هزار سیستم آب شهری را در ایالت یوتا و سایر ایالات سراسر ایالات متحده گرفتار می‌کند و بر اساس گزارش انجمن مهندسین عمران آمریکا، این سیستم‌ها روزانه ۶ میلیارد از ۳۹ میلیارد گالن آب را به دلیل نشت لوله‌های قدیمی و سایر زیرساخت‌ها از دست می‌دهند. به‌منظور غلبه بر این مشکل، یوتا شروع به استفاده از سیستم AMI کرده است. یک سیستم جمع‌آوری داده، اطلاعات مربوط به زیرساخت‌های شهری را در فواصل یک‌متری جمع‌آوری و آنها را به یک برج رادیویی یا سلولی منتقل می‌کند. ساکنین می‌توانند به صورت آنلاین و به‌وسیله تلفن‌های هوشمند به داده‌ها دسترسی داشته باشند و به این ترتیب از مقدار آب مصرفی خود در لحظه آگاه شوند. این برنامه همچنین به ساکنان در مورد نشت احتمالی آب هشدار می‌دهد.
بیشتر بخوانید: بهره‌گیری از هوش مصنوعی برای ساده‌سازی فرایندهای تولید
اسکن لوله‌های آب آشامیدنی در پکن، چین
یک شرکت چینی که مسئول تأمین آب مرکز پکن، تونگژو، هوایرو، میون، یانکینگ، فانگشان، داکسین، منتوگو و سایر مناطق حومه‌ای چین است، برای اندازه‌گیری کدری، رنگ، کلر آزاد/کل، pH، رسانایی و سایر شاخص‌های معمولی و کلیدی آب به‌طور همزمان، یک لوله اسکن‌کننده در شبکه آب آشامیدنی نصب کرده است. از آنجایی که منابع تأمین آب پکن شامل بیش از ۲۰ منبع آبی محلی و خارجی است که نشان‌دهنده پیچیدگی و تنوع کیفیت آب در پکن است، شبکه شهری قدیمی نمی‌تواند تضمین‌کننده کیفیت آب باشد و خود یک منبع بالقوه خطر برای آب آشامیدنی به حساب می‌آید. خط لوله این شهر از آهن ساخته شده است که به نوبه خود در میزان آلودگی آب تأثیر می‌گذارد. به همین دلیل فواصل نصب لوله اسکن، زمان نگهداری لوله اسکن و تنظیمات خاص آن نیاز به برنامه‌ریزی دقیق دارد.
برای پارامتر‌هایی مانند گل‌آلودی، کلر آزاد و کلی، pH و رسانایی سیستم مجهز به حسگر‌های اسکن و برس تمیز کردن خودکار است. یک فیلتر دو لایه داخل لوله‌ها اضافه شده است تا اطمینان حاصل شود که ذرات آهن لوله در نتایج اندازه‌گیری تداخلی ایجاد نمی‌کند و به این ترتیب، سیستم تغییرات در کیفیت آب را به‌موقع تشخیص می‌دهد، زمان پاسخگویی تعمیر و نگهداری را سرعت و قابلیت اطمینان شبکه را بهبود می‌بخشد. پایش کل کلر در شبکه لوله نه‌تنها میزان تأثیر تکثیر میکروارگانیسم‌ها را در کیفیت آب تعیین می‌کند، بلکه عملکرد فرایندهای جانبی ضدعفونی سیستم‌های آبی را نیز کنترل می‌کند. این سیستم به جز کالیبراسیون منظم و نمونه‌گیری دستی نیاز به مراقبت و تعمیر و نگهداری خاصی ندارد و نظارت مستمر بدون تخلیه و هدررفتن را ممکن می‌سازد.
منبع: ایرنا
بیشتر بخوانید: ابزارهای برتر تحلیل پیش بینی تقویت شده با هوش مصنوعی (AI-Enhanced) برای سال ۲۰۲۴
- هوش مصنوعی و حل چالش‌های آب
