自來水配水管網漏水現象之分析、預測與管理之研究

本研究成功發展完成「自來水管線汰換ANGEL模組」,主要研究流程係蒐集案例區內自來水配水管網曾經發生漏水地點之資訊,運用模糊理論(fuzzy logic, FL)、地震因子類神經網路模式(seismic-based ANN model, SBAM)及地理資訊系統( geographic information system, GIS),據以推估不同地震震度(或規模)條件下之自來水配水管網漏水分布,並可藉由直讀漏水點位分布圖之疏密程度建立管線汰換序列,以加速決策分析時效。根據文獻記載,本研究三個案例供水區將地震因子導入ANN乃是漏水相關研究的創舉;另為確保資料品質適合進行數值模擬,除採資訊化紀錄資料:如中央氣象局地震資料及台灣自來水公司「自來水修漏管理系統」管線漏水資料,並將無法量化或依法規要求需維持限定值之參數予以剔除,證實ANN的確適合做為推估漏水的研究工具,模擬過程亦比較ANN倒傳遞函數(backward propagation network, BPN)及徑向基函數(radial basis function network, RBFN)之模擬效能,結果為RBFN較BPN更適合建立管線汰換優化seismic-based ANN model(SBAM)。本研究同時導入GIS據以建立三種不同型態漏水點位圖形,包括「歷年漏水點位分布圖 (site-based leakage point graph)」、「道路漏水點位分布圖 (road-based leakage point graph)」及「管線漏水點位分布圖(pipe-based leakage point graph)」,相較過去人工判讀紙圖上有關管線漏水的資料,藉由GIS的協助,可更有效達成快速翻閱及整理圖資,以進行後續管線汰換的排序作業。過去管線汰換作業存在僅針對具有漏水記錄之管線才得以納入汰序的限制,對於「未具漏水紀錄」之管線則無法納入排序,因為在管線汰換實務作業上,並無資料可以協助不具漏水記錄的管線,該如何納入管線汰換?然而事實上管線「没有漏水記錄」並不代表「不會或未曾發生漏水」。因此本研究研發完成之SBAM已成功解決上述問題,並可有效降低人力及時間成本,對於推動台灣地區降低自來水漏水率計畫將有可預期的實務貢獻。

作者:何承嶧