我國目前排水管道已超過60萬km。高地下水水位地域管路損壞造成很多外水入滲，減少了雨污水管道的運輸能力，加劇了內澇現(xiàn)象和污水廠雨天溢流；低地下水水位地域管路損壞則導致廢水滲漏，污染地表水。此外，排水管網混接導致廢水根據(jù)降水管網直排河堤，導致廢水管網高普及率下的具體截污效率稍低。因而，城鎮(zhèn)排水管網改造修補是提標增效的前提。在改造修補以前，需要通過科學規(guī)范和低成本的診斷方式鑒別管網中混接、破損的由來，制作管網混接損壞風險圖，從而達到精準發(fā)力的目的。

排水管道物探檢驗顯像的智能識別

CCTV檢驗圖象必須人力判斷，主觀性強且判斷效率低。根據(jù)人工智能的圖像識別技術可提高CCTV檢驗圖象的鑒別效率，其基本概念是最先根據(jù)已拍攝的CCTV圖象判斷結論，創(chuàng)建管路缺點難題（包含縫隙、橫剖面面積變小、產生偏移等）的圖象數(shù)據(jù)庫；在此基礎上選用機器學習算法對檢驗圖象開展自動判斷。

用于管路缺點判斷的機器學習算法包含反向傳播神經網絡法、徑向基函數(shù)神經網絡法、svm算法算法和隨機森林算法等。同反向傳播神經網絡對比，徑向基函數(shù)神經網絡靠近能力、歸類能力、學習速率更高；隨機森林算法則通過創(chuàng)建許多決策樹，構成決策樹山林，有效提高對樣版的分類精確度。

排水管道智能化診斷檢測技術

排水管道CCTV檢驗必須排水管道停水、清淤操作，每千米檢測費用達到數(shù)萬元乃至十萬元之上；此外遭受降雨排盡操作的限定，對高水位運行的雨污水管道檢驗無法執(zhí)行。在排水片區(qū)檢測中，全面選用CCTV檢測技術，不但成本昂貴，并且在管道高水位運作條件下也不現(xiàn)實。因而，成本低、持續(xù)水的排水管道智能化診斷技術是將來管道檢測評估的關鍵方式方法。

排水管道智能化診斷的第一個層級是全局水量均衡分析技術。一般是根據(jù)單獨管網系統(tǒng)或是管網與河堤、多個管網系統(tǒng)間的即時水位、流量過程開展相關分析和流量均衡剖析，用以鑒別潛在的河水倒灌、管網連接等問題。

排水管道智能化診斷的第二個層次是水量水體分區(qū)診斷技術。排水管道水量水體分區(qū)診斷技術是首先將排水管網劃分成多個網格節(jié)點，這種網格節(jié)點一般選擇在泵房、管網檢查井處。之后在網格節(jié)點處進行流量觀察和水體特征因子檢驗，融合化學質量均衡算法分區(qū)域或主抓段定量分析管道中各種入流源（生活污水、化工廢水、地表水等）的水量。

排水管道智能化診斷的第三個層級是基于管網數(shù)學模型和在線數(shù)據(jù)的追溯反演技術。在分區(qū)追溯分析的基礎上，進一步根據(jù)檢查井或是泵房的液位、水量數(shù)據(jù)監(jiān)測，完成管道中入流源的反演定位，有利于進一步降低水量水體分區(qū)檢測的工作量，擴展智慧排水的實現(xiàn)方式和應用價值。