Áp dụng máy học (machine learning) trong ứng phó rủi ro cấp nước

Quá trình phát triển đô thị ảnh hưởng lớn tới nhu cầu, cách sử dụng của người dân và công tác chuẩn bị của các công ty cấp nước. Thêm một người dân, một hộ dân hay thêm một người nhân viên, một cơ quan cũng sẽ làm tăng mạnh lượng nước sử dụng trong buổi sáng, buổi tối và giờ hành chính. Tăng trưởng về dân sinh hay thương mại cũng đều tác động tới cung và cầu nước sinh hoạt.

Tương tự, các sự kiện thế giới cũng sẽ có những ảnh hưởng tương tự. Ví dụ, đại dịch COVID-19 hay hạn hán kéo dài nhiều năm không theo một quy luật tự nhiên nào đã khiến các cơ sở cấp nước gặp nhiều trở ngại, chất lượng đời sống người dân đi xuống đáng kể.

Dù đối với sự kiện có thể dự đoán được từ trước hay không, các công ty cấp nước có thể tự chuẩn bị bằng cách đầu tư vào phần mềm phân tích máy học (machine learning), là một ứng dụng của trí tuệ nhân tạo AI.

Theo International Business Machines (IBM), các bước hoạt động của máy học bao gồm: thu thập dữ liệu (data collection), tiền xử lý (preprocessing), huấn luyện mô hình (training model), đánh giá mô hình (evaluating model), cải thiện (improve).

Kết quả đưa ra của nó sẽ chia làm hai dạng: dự đoán (prediction) và phân loại (classification).

Máy học sẽ kết hợp dữ liệu từ nhiều nguồn khác nhau, về nhiều nội dung khác nhau như thời tiết, kinh tế, tài chính, ... để xây dựng các mô hình giúp điều chỉnh các quy trình làm việc, ngân sách và sử dụng chi tiêu vốn tiềm năng (CAPEX).

Dựa vào các phân tích của Itron, các tình huống mà máy học giúp các cơ sở cấp nước thích ứng có thể kể đến: hạn hán, đại dịch, suy thoái và bùng nổ kinh tế.

1. Hạn hán 

Trong thời gian gần đây, ở nhiều vùng đất của Hoa Kỳ, điển hình như bang California, hạn hán đã gắn liền với cuộc sống người dân ở đây. Khan hiếm nước là một thách thức lớn đối với các công ty cấp nước.

Mức độ nghiêm trọng của hạn hán kéo dài và thay đổi qua từng năm, phụ thuộc vào các yếu tố môi trường khác nhau.

Việc sử dụng máy học đưa ra dự báo có tính chính xác và độ tin cậy cao có vai trò quan trọng trong việc đưa ra các quyết định mang tính lâu dài.

Các quyết định đó bao gồm đầu tư vào công nghệ cải tạo nước hoặc khử mặn, hay thắt chặt hoặc nới lỏng các chính sách hạn chế sử dụng nước, tăng hoặc giảm giá cước nhằm duy trì ngân sách nhà nước.

Để phần mềm máy học đưa ra các dự báo tốt nhất có thể, các tổ chức môi trường, các trường đại học địa phương và các nhà khí hậu học cần tập trung nghiên cứu để đưa ra các nguồn dữ liệu phong phú và nhất quán.

2. Đại dịch

Dịch bệnh Covid-19 bắt đầu xuất hiện vào năm 2019 và đã gây tác động lớn đến nhiều mặt, trong đó có cách thức sinh hoạt của người dân trên toàn thế giới.

Ví dụ, nhiều người thất nghiệp và tất cả làm việc ở nhà, đồng hồ sinh học của mỗi người thay đổi dẫn tới thời gian sử dụng nước cao điểm vào buổi sáng muộn hơn so với các dịch vụ khác và mật độ sử dụng trong hộ gia đình tăng cao, đồng nghĩa với sự giảm mạnh tại các trung tâm thương mại.

Việc tích hợp các ca mắc COVID-19 gia tăng từ Trung tâm kiểm soát và phòng ngừa dịch bệnh các tỉnh và các sở y tế địa phương cùng với dữ liệu từ phân tích nước thải sẽ giúp máy học xác định được xu hướng và đưa ra dự đoán.

3. Suy thoái

Tháng 5 năm 2022, khi lạm phát gia tăng ở Hoa Kỳ, nhiều nhà kinh tế bắt đầu đặt câu hỏi liệu một cuộc suy thoái có đang xảy ra hay không.

Suy thoái kinh tế dưới bất kỳ hình thức nào có thể dẫn đến việc đóng cửa các doanh nghiệp và người dân mất việc làm. Nhà cửa, mặt bằng bán lẻ bị bỏ trống từ đó và việc sử dụng nước giảm. Các công ty cấp nước nhiều khi đã phải tăng giá cước để bù đắp cho khoản doanh thu thất thoát.

Máy học khi đã được cung cấp dữ liệu kinh tế sẽ giúp các công ty cấp nước hiểu được liệu có thể xảy ra suy thoái kinh tế và doanh thu có bị ảnh hưởng không.

Trong trường hợp dự báo xảy ra suy thoái, các công ty cấp nước cần lập ngân sách để giảm doanh thu nhằm trì hoãn hoặc giảm quy mô các kế hoạch đầu tư CAPEX tiếp theo.

4. Bùng nổ kinh tế

Trái với suy thoái, thời kỳ tăng trưởng kinh tế mạnh mẽ dài hạn sẽ dẫn tới một số thay đổi trong việc sử dụng nước mà các công ty cấp nước cần để tâm tới.

Trong đó có sự gia tăng nhu cầu khi dân số, nhà ở, doanh nghiệp và nâng cấp cơ sở hạ tầng tăng lên trong cùng một khu vực. Các ngành như chế biến thực phẩm hoặc sản xuất ô tô tiêu thụ một lượng nước rất lớn.

Dự báo về tăng trưởng kinh tế của máy học đưa ra những kế hoạch dài hạn để mở rộng hệ thống phân phối và chuẩn bị hệ thống xử lý nhằm tăng hàng triệu gallon nước mỗi ngày. Hơn nữa, dự báo về gia tăng doanh thu có thể cho phép thực hiện tuyển thêm nhân sự hoặc đầu tư CAPEX.

Tương lai hoàn toàn không thể được biết trước. Tuy nhiên, các công ty cấp nước tích hợp các nguồn dữ liệu phù hợp vào phân tích máy học giúp đưa ra các dự báo chính xác nhất và chuẩn bị cho những thay đổi và xu hướng sử dụng nước khả dĩ nhất.

Các công ty cấp nước có thể chuẩn bị ngân sách và phân bổ nguồn lực tài chính và lao động cho các dự án giải quyết khủng hoảng trong tương lai dựa vào các dự báo có được từ máy học.