眾所周知，智慧水務(wù)是水務(wù)行業(yè)中的一個管理工具。但要把智慧水務(wù)說透，無論是技術(shù)角度還是管理角度，絕非易事。從水務(wù)管理者角度而言，或許會意味深長地說一句：是互聯(lián)網(wǎng)技術(shù)在水務(wù)行業(yè)中的應(yīng)用。但對我而言，這似乎更具文學(xué)語境中無病呻吟的味道。在言必談“大數(shù)據(jù)”、“互聯(lián)網(wǎng)+“，“云計算”、“物聯(lián)網(wǎng)”，概念泛濫成災(zāi)的大環(huán)境中，我覺得有必要，來關(guān)注一下真正的理論方法。

在智慧水務(wù)”分析決策”應(yīng)用層面，了解不確定性方法的理論，對真正理解“智慧水務(wù)”不無裨益。不難發(fā)現(xiàn)，多數(shù)水務(wù)公司管理者被一些數(shù)據(jù)可視化的表面現(xiàn)象所迷惑。從灰色理論系統(tǒng)的觀點來看，信息的稀缺性與永久性，以及新信息對認(rèn)知的作用大于對老信息的作用等觀點來觀察智慧水務(wù)，或許對你會另有一些啟發(fā)。

眾所周知，智慧水務(wù)管理平臺中存在“數(shù)據(jù)業(yè)務(wù)化、業(yè)務(wù)數(shù)據(jù)化”的特點，其中所涉及的數(shù)據(jù)分類多種多樣：定性與定量;歷史與未來;個體與整體;特殊與普遍等。數(shù)據(jù)的一個重要特點是“量化”，但在管理層面，還有相當(dāng)多的指標(biāo)無法精確量化，而只能“定性“。也就是說，在我們許多應(yīng)用場景中，會遇到一些“不確定性”的問題。定性與量化之間的轉(zhuǎn)換，需要一套體系化的理念與方法。因此，對數(shù)據(jù)如何處理，是考察應(yīng)用層水平高低的一個重要依據(jù)。作為智慧水務(wù)的開發(fā)者、應(yīng)用者，理應(yīng)有所關(guān)注與研究，才能讓“智慧水務(wù)”散發(fā)出真正的光芒。下面我來聊一聊關(guān)于智慧水務(wù)的”最強大腦“——灰色系統(tǒng)理論

首先，我們一起來看看，四種最常用的不確定性系統(tǒng)的研究方法

四種研究不確定方法中的不同處之在于：

1、概率統(tǒng)計：概率統(tǒng)計研究的是“隨機不確定”現(xiàn)象，運用概率分布密度函數(shù)或分布表描述“隨機變量”取不同值的可能性大小。

2、模糊數(shù)學(xué)：模糊數(shù)學(xué)著重研究“認(rèn)知不確定”問題，其研究對象具有“內(nèi)涵明確，外延不明確”的特點。模糊數(shù)學(xué)借助于隸屬度函數(shù)描述某一對象屬于一個模糊集合的程度。比如什么叫高個子?升高多少厘米，是一個具體化的數(shù)據(jù)，但多少才算高，是外延。壓力多少MPA，是明確的，但多少算爆管的壓力標(biāo)準(zhǔn)，也是外延，它需要針對具體的不同情況來確定一個評價系統(tǒng)。這就需要隸屬度來量化模糊度，從而使決策數(shù)據(jù)的量化。

3、灰色系統(tǒng)理論：灰色系統(tǒng)理論著重研究概概率統(tǒng)計、模糊數(shù)學(xué)所難以 解決的“貧信息數(shù)據(jù)”不確定性問題?；疑到y(tǒng)理 論運用可能度函數(shù)刻畫一個灰數(shù)取某一數(shù)值的可能性。

4、粗糙集理論：粗糙集理論采用精確的數(shù)學(xué)方法研究不確定性系統(tǒng) ，其主要思想是利用已知的知識庫，近似刻畫和處理不精確或不確定的知識。

四種理論方法在智慧水務(wù)系統(tǒng)中，都有不同程度的應(yīng)用。試舉幾例：

例一：量化的難度：氣溫與供水量的關(guān)系。

用水量首先反映的是一個區(qū)域生產(chǎn)生活的大致規(guī)律，每個城市或是城市中的某個區(qū)域，都有一個相對固定的用水習(xí)慣，無論是工業(yè)用水還是生產(chǎn)用水。在氣溫上升到一定程度以后，用水量開始上升，比如夏季高溫時。但是如果要明確溫度上升一攝氏度時，水量上升多少?這不僅僅是一個大數(shù)據(jù)統(tǒng)計的問題。智慧水務(wù)軟件中需要一個數(shù)學(xué)模型來支撐，而這個數(shù)學(xué)模型中必然需要不確定性理論的應(yīng)用與落地。

例二：用水習(xí)慣的表象：太陽從西邊升起。

我曾在某地工作二十余年，根據(jù)用水量的規(guī)律，我們發(fā)現(xiàn)早上用水高峰來臨的時間點，城西要比城東區(qū)域早一個小時。我把它戲稱為“太陽從西邊升起”。隨著我們深入調(diào)查，發(fā)現(xiàn)城東區(qū)域居住人口中，老年人居多。工業(yè)生產(chǎn)用水的廠家特點也占其中一部分原因。那么問題來了：老年人居多是指多大年齡?用水高峰相差一個小時，原因是居民年齡問題，還是生產(chǎn)廠家的生產(chǎn)特點問題?我們相信兩者皆有，但各占多大份量，我們只能把這個問題拱手交給數(shù)據(jù)模型的建立。

例三：水從哪里來：你喝的是哪個水廠的水?

試想一下，你所處的某個城市，有1000公里的供水管線，用五個制水廠聯(lián)網(wǎng)供水。那么你知道你飲用的哪個水廠供出來的水嗎?這是一個非常有意義的話題。首先是水廠之間的調(diào)度，對安全可靠性非常有益;第二，管網(wǎng)壓力與能耗的控制手段如何優(yōu)化，非常必要;第三，對供水區(qū)域的管道流向是否變化，以及變化頻率有多大，這對水質(zhì)管理非常重要。也許你所處的位置離某個水廠比較近，你喝的是哪個水廠的水，或許非常明確。但由于管網(wǎng)的復(fù)雜性，用戶的水量、水廠的壓力都在波動當(dāng)中，在第一個時刻，每個水廠都有它不同的供水區(qū)域，它們之間的供水邊界是動態(tài)的。在基于GIS系統(tǒng)建立的水力模型背后，又存在著數(shù)學(xué)模型的智力核心。我們相信，以灰色系統(tǒng)理論主體的不確定性研究方法，配合大數(shù)據(jù)的分析，以及水務(wù)模型的不斷馴化，我們完全可能確定某一個時刻的供水邊界圖，包括計算對每一個用戶的水齡 ，同時對我們的安全管理、能耗管理提供正確的決策。

例四：世界的本質(zhì)是灰色的：如何面對匱乏的感知層數(shù)據(jù)。

智慧水務(wù)建設(shè)需要投入極大資金來建設(shè)感知層。否則再強大的大腦在貧信息狀態(tài)下，似乎也是巧婦難為無米之坎?，F(xiàn)實中，貧信息有二方面的原因：一是我們的基礎(chǔ)建設(shè)是遠(yuǎn)遠(yuǎn)不夠，感知的數(shù)據(jù)不多;二是感知層的數(shù)據(jù)由于信號傳遞技術(shù)、硬件物理等原因，是經(jīng)常出錯或是波動的。另一方面，許多水務(wù)公司管網(wǎng)資料的不齊全是一個致命的弱點，這就導(dǎo)致決策系統(tǒng)中必然面對貧信息甚至是誤信息，但我們依然有一個理論來支撐根據(jù)已知的少數(shù)信息來挖掘智慧水務(wù)中的認(rèn)知系統(tǒng)。信息不完全狀態(tài)的事件在智慧水務(wù)系統(tǒng)中比比皆是，此處不再贅述。

編輯： 趙凡