眾所周知，智慧水務是水務行業中的一個管理工具。但要把智慧水務說透，無論是技術角度還是管理角度，絕非易事。從水務管理者角度而言，或許會意味深長地說一句：是互聯網技術在水務行業中的應用。但對我而言，這似乎更具文學語境中無病呻吟的味道。在言必談“大數據”、“互聯網+“，“云計算”、“物聯網”，概念泛濫成災的大環境中，我覺得有必要，來關注一下真正的理論方法。

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

眾所周知，智慧水務管理平臺中存在“數據業務化、業務數據化”的特點，其中所涉及的數據分類多種多樣：定性與定量;歷史與未來;個體與整體;特殊與普遍等。數據的一個重要特點是“量化”，但在管理層面，還有相當多的指標無法精確量化，而只能“定性“。也就是說，在我們許多應用場景中，會遇到一些“不確定性”的問題。定性與量化之間的轉換，需要一套體系化的理念與方法。因此，對數據如何處理，是考察應用層水平高低的一個重要依據。作為智慧水務的開發者、應用者，理應有所關注與研究，才能讓“智慧水務”散發出真正的光芒。下面我來聊一聊關于智慧水務的”最強大腦“——灰色系統理論

首先，我們一起來看看，四種最常用的不確定性系統的研究方法

四種研究不確定方法中的不同處之在于：

1、概率統計：概率統計研究的是“隨機不確定”現象，運用概率分布密度函數或分布表描述“隨機變量”取不同值的可能性大小。

2、模糊數學：模糊數學著重研究“認知不確定”問題，其研究對象具有“內涵明確，外延不明確”的特點。模糊數學借助于隸屬度函數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，是一個具體化的數據，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準，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。這就需要隸屬度來量化模糊度，從而使決策數據的量化。

3、灰色系統理論：灰色系統理論著重研究概概率統計、模糊數學所難以 解決的“貧信息數據”不確定性問題。灰色系統理 論運用可能度函數刻畫一個灰數取某一數值的可能性。

4、粗糙集理論：粗糙集理論采用精確的數學方法研究不確定性系統 ，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系統中，都有不同程度的應用。試舉幾例：

例一：量化的難度：氣溫與供水量的關系。

用水量首先反映的是一個區域生產生活的大致規律，每個城市或是城市中的某個區域，都有一個相對固定的用水習慣，無論是工業用水還是生產用水。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據統計的問題。智慧水務軟件中需要一個數學模型來支撐，而這個數學模型中必然需要不確定性理論的應用與落地。

例二：用水習慣的表象：太陽從西邊升起。

我曾在某地工作二十余年，根據用水量的規律，我們發現早上用水高峰來臨的時間點，城西要比城東區域早一個小時。我把它戲稱為“太陽從西邊升起”。隨著我們深入調查，發現城東區域居住人口中，老年人居多。工業生產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，還是生產廠家的生產特點問題?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據模型的建立。

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，用五個制水廠聯網供水。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度，對安全可靠性非常有益;第二，管網壓力與能耗的控制手段如何優化，非常必要;第三，對供水區域的管道流向是否變化，以及變化頻率有多大，這對水質管理非常重要。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。但由于管網的復雜性，用戶的水量、水廠的壓力都在波動當中，在第一個時刻，每個水廠都有它不同的供水區域，它們之間的供水邊界是動態的。在基于GIS系統建立的水力模型背后，又存在著數學模型的智力核心。我們相信，以灰色系統理論主體的不確定性研究方法，配合大數據的分析，以及水務模型的不斷馴化，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：世界的本質是灰色的：如何面對匱乏的感知層數據。

智慧水務建設需要投入極大資金來建設感知層。否則再強大的大腦在貧信息狀態下，似乎也是巧婦難為無米之坎。現實中，貧信息有二方面的原因：一是我們的基礎建設是遠遠不夠，感知的數據不多;二是感知層的數據由于信號傳遞技術、硬件物理等原因，是經常出錯或是波動的。另一方面，許多水務公司管網資料的不齊全是一個致命的弱點，這就導致決策系統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已知的少數信息來挖掘智慧水務中的認知系統。信息不完全狀態的事件在智慧水務系統中比比皆是，此處不再贅述。

編輯：趙凡