Effektiv hantering av ledningsnät är avgörande för att garantera effektiv, robust och tillförlitlig vattenförsörjning i städer. Skötsel och övervakning av ledningsnäten kräver dock komplexa systemmodellerings- och optimeringsmetoder, som behöver specialiserad kunskap och kvalificerad personal. Abonnenterna förväntar sig säker distribution dygnet runt. Ägarna vill ha hållbara energi- och driftskostnader och alla parter efterfrågar låga vattenförluster. Själva distributionen behöver skötas miljömässigt effektivt utan negativ påverkan på användarna. Dessutom vill dricksvattenförbrukarna slippa störningar och få en god service när de behöver kontakta ledningsnätsägarna. Går det att använda moderna driftstödsverktyg baserade på artificiell intelligens för att automatisera hanteringen av ledningsnät? Den frågan ställde sig Jian Wang och medförfattare i en ny artikel i Water Research.
Forskarna använde en så kallade stor språkmodell (Large Language Model, LLM) som verktyg för att överbrygga klyftan mellan automatisk datordrift och mänsklig tolkning av drift- och prestandabehov. LLM-baserade agenter har använts för trafikkontrollsystem, där de emulerar människoliknande bedömningar vid hantering av dynamiska, osäkra stadsmiljöer. De har också kommit till nytta för energioptimering i byggnader och för geovetenskaplig databehandling. LLM-baserade villkor för styrning, så kallade agenter, lägger in språkmodellen i en datorarkitektur.
