上水云智慧水務
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已拍攝的CCTV圖象判斷結論，創建管路缺點難題（包含縫隙、橫剖面面積變小、產生偏移等）的圖象數據庫；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行。在排水片區檢測中，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實。因而，成本低、持續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。一般是根據單獨管網系統或是管網與河堤、多個管網系統間的即時水位、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診斷技術。排水管道水量水體分區診斷技術是首先將排水管網劃分成多個網格節點，這種網格節點一般選擇在泵房、管網檢查井處。之后在網格節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學模型和在線數據的追溯反演技術。在分區追溯分析的基礎上，進一步根據檢查井或是泵房的液位、水量數據監測，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檢測的工作量，擴展智慧排水的實現方式和應用價值。
