近日，昆明理工大学杜坤副教授团队在国际知名期刊《Water Research》上发表研究成果，提出了一种基于拓扑衍生流量推断的污水管网传感器优化布设方法，实现了在有限传感器预算条件下对入流与入渗事件检测能力的有效提升，是城市污水管网智能监测与入流入渗识别研究方向的一项重要进展。

城市污水管网是保障污水安全输送和水环境安全的重要基础设施。然而，入流与入渗问题会显著增加污水输送负荷，削弱管网输送能力，并提高溢流风险。随着物联网监测技术的发展，基于流量或水位传感器的入流入渗检测已成为城市排水系统运维的重要手段。但受传感器采购、安装和维护成本限制，实际工程中难以实现管网全覆盖监测。因此，如何在有限传感器数量下科学确定传感器布设位置，成为提升污水管网入流入渗检测能力的关键问题。

针对现有传感器布设方法主要依赖单个传感器固定阈值、难以综合利用多传感器关联信息的问题，杜坤团队提出了拓扑衍生流量推断方法。充分利用污水管网树状拓扑结构和质量守恒关系，通过综合上游传感器流量信息，对全管道尺度下的最小可检测入流入渗流量进行量化，从而构建更准确的管道检测阈值。研究进一步提出加权平均检测阈值指标，将各管道的个体检测阈值按照管长进行加权综合，用于评价传感器布设方案对微小入流入渗事件的整体敏感性。

研究结果表明，与传统事件检测可靠性指标相比，所提出的检测阈值指标能够更有效地区分不同传感器布设方案的检测性能，避免传统二元检测逻辑对入流入渗事件强度和阈值假设高度敏感的问题。在真实污水管网案例中，基于加权检测阈值最小化的传感器布设方案在保持较好空间覆盖均衡性的同时，将系统平均检测阈值降低约15%，显著增强了传感器系统对微小入流入渗事件的识别能力。进一步的大尺度污水管网验证显示，所提出的拓扑衍生流量推断方法使平均检测阈值由传统孤立阈值检测方法的42.90 L/s降低至17.33 L/s，仅为后者的40.3%，体现出明显的检测灵敏度提升。

研究发现，在建筑密度高、污水排放量大、流量不确定性更强的区域适当提高传感器布设密度，是提升污水管网入流入渗整体检测能力的重要机制。同时，低流量支管上的冗余传感器可以被合理削减，而关键高流量路径和主干管未覆盖区域则应优先布设传感器。研究将污水管网拓扑结构、流量守恒关系和传感器优化布设相结合，为城市污水管网入流入渗智能检测提供了新的方法框架，对提升排水系统运行安全、优化监测资源配置和支撑城市水环境精细化管理具有重要意义。

杜坤副教授与博士生王海培为论文共同第一作者，昆明理工大学为论文第一完成单位。研究受到了云南省兴滇英才项目支持。

(供稿：建筑工程学院）