综述：城市水网络中监督式机器学习实践评估：方法透明度、可复现性与报告规范性的批判性综述

《Water Research X》：Assessing supervised machine learning practice in urban water networks: A critical review of methodological transparency, reproducibility and reporting

　　

近年来，机器学习（Machine Learning, ML）在城市水基础设施（Urban Water Infrastructure, UWI）研究中的优势已得到充分验证，其应用场景覆盖广泛。本综述通过批判性评估近期发表的100余篇文献，系统审视当前UWI领域ML实施的质量，重点关注开发全流程中的共性陷阱。多数被综述文献高度重视性能基准测试，但对ML方法实施与部署的关键环节报告不足。仅约三分之一的文献记录了特征缩放（feature scaling）或自动超参数优化（hyperparameter optimisation）等核心任务，而这些任务对模型性能与泛化能力至关重要。此外，不足25%的文献报告了可解释性（explainability）与不确定性量化（uncertainty quantification）技术，导致所报告的性能提升难以解释或转化为实际运营应用。同时，标准化文档记录的缺失使得方法、工作流程与可复现所需步骤的相关信息提取困难。上述问题共同削弱了研究结果的可复现性，降低了不同研究间的可比性，也削弱了利益相关方对所开发方法的信任。这种信任缺失尤为关键，因为对ML驱动决策的信任是实现研究成果向工程实践成功转化的核心前提。为应对这些问题，本研究提出一套方法与报告规范清单，用于指导UWI领域ML应用从开发到集成的全流程设计，并标注常见陷阱。该综述与配套清单可为开发者、技术人员及运维人员提供支撑，助力提升UWI领域ML实施的可复现性意识。

1. 1.
   引言
   城市水基础设施（Urban Water Infrastructure, UWI）包含城镇排水管网（Urban Drainage Networks, UDN）与配水管网（Water Distribution Networks, WDN），是国家关键基础设施的重要组成部分，承担污水环境友好处置、暴雨径流安全排放以及足量优质饮用水可靠供应的功能。UWI持续面临人口增长、人口结构变化与气候变化带来的挑战。近年来，数字化成为运营商应对上述挑战的动态措施，物联网（Internet of Things）技术进一步提升了高分辨率监测数据的可用性，数据采集分析、远程控制组件的应用日益广泛。机器学习（Machine Learning, ML）作为人工智能（Artificial Intelligence, AI）的子集，已成为管理海量数据、支撑决策制定、提升UWI性能的重要工具，其变量间复杂关系挖掘能力已在各类应用中得到验证。尽管ML潜力显著，但通用综述及其他领域针对性分析均指出，ML实施中普遍存在错误与认知偏差，降低了结果的可信度。由于UWI领域的ML应用多由领域专家开发，现有研究缺乏针对该领域的系统性讨论。虽有研究识别出UWI领域对数据预处理、模型优化等预建模流程关注不足，并提出改进数据完整性报告的检查清单，但其分析局限于单一期刊且聚焦至超参数优化阶段。本综述则采用跨期刊视角，对从数据预处理到模型应用的完整ML开发流程进行批判性评估，并基于识别出的短板提出通用性校正清单，不局限于应用与性能增益，而是聚焦于实施过程的可靠性、透明度与可复现性。
2. 2.
   监督式机器学习通用工作流
   ML可分为无监督学习、监督式学习与强化学习三类，本综述聚焦监督式ML（Supervised ML）。监督式ML基于标注数据训练，可通过损失函数数值计算实现模型训练与评估，在UWI管理中应用最广，涵盖实时运行状态预测、异常检测、代理模型构建及资产修复管理等场景。通用工作流分为四个阶段：项目启动阶段明确ML应用目标与任务类型（分类或回归），并从相关来源采集所需数据；数据预处理阶段将原始数据转换为ML模型输入特征，包括按训练集、验证集、测试集划分数据，针对UWI数据普遍存在的噪声与缺失值开展异常值检测与缺失值处理，按需开展特征选择或特征工程，最后对尺度敏感模型执行特征缩放以保证特征值范围一致；模型开发阶段使用预处理后的数据集训练不同ML模型并筛选最优模型，包括超参数优化、采用合适验证策略与多指标评估性能，通过不同模型对比确定最佳方案；模型应用阶段将选定的ML模型部署至运营与决策支持场景，集成可解释性技术以理解决策逻辑，应用不确定性量化技术应对数据与模型层面的不确定性，最终完整记录全流程（含超参数）并通过共享数据与代码保障可复现性与透明度。
3. 3.
   综述方法学
   本综述聚焦UWI领域监督式ML，优先选取高被引文献以评估主流方法实践，因此近期或低被引高质量文献可能存在代表性不足。综述目标并非提供UWI领域ML应用的最新全景，而是评估其报告的实施质量及对可信度与实际部署的影响。文献检索与筛选遵循PRISMA 2020指南，于2025年6月与2026年4月在Web of Science开展结构化检索，检索词覆盖ML核心方法与水网络类型，检索时段为2017年至2025年，最终纳入34篇UDN文献与83篇WDN文献，共117篇。数据分析框架按工作流四阶段提取信息：项目启动阶段记录网络类型、应用目的、ML任务与数据类型来源；数据预处理阶段记录样本量、数据划分方式、异常值与缺失值处理方法、特征选择与缩放方法（仅对尺度敏感模型评估）；模型开发阶段记录超参数优化方法、多指标性能评估、模型对比与最终选型；模型应用阶段记录可解释性与不确定性量化技术应用情况，以及代码与数据的公开可获得性。同时，综述筛查数据泄漏问题，将其分为数据诱导型泄漏、预处理相关型泄漏与划分相关型泄漏三类，仅当工作流描述存在明确证据时予以记录。
4. 4.
   共性陷阱与最佳实践
   4.1 项目启动
   UDN的ML应用以洪水预测、状态预测与管网缺陷分类为主，WDN则以泄漏检测、需水量预测与状态预测为核心。任务类型上，UDN中10篇为分类问题、24篇为回归问题，WDN中44篇为分类、39篇为回归。数据源方面，多数研究采用真实世界数据，模拟与试验台数据多用于泄漏、网络攻击或洪水等影响运营的小概率事件研究。

4.2 数据预处理

监督式ML模型性能高度依赖数据质量与数量，但核心数据处理步骤的报告存在系统性缺失。数据集划分方面，推荐采用训练集、验证集、测试集（Training, Validation, Test, TVT）划分或带独立测试集的k折交叉验证（k-fold Cross-Validation, CV+T），但第二大常用方案仅为训练集-测试集（Training, Test, TT）划分，缺失验证集导致过拟合或欠拟合风险上升。测试集占比推荐为总样本的10%–40%，71%的UDN研究与84%的WDN研究满足该要求。异常值处理仅在31%的WDN研究与10%的UDN研究中被报告，多采用箱线图、z-score等统计方法，需注意异常值可能对应峰值需水量、管网冲洗等真实系统行为，不应一概删除。缺失值管理在35%的WDN研究与20%的UDN研究中被报告，分为删除法与插补法，插补法包含均值/中位数填充、插值、卡尔曼滤波与k近邻等ML方法，需根据数据缺口长度选择。特征选择在23%的WDN研究与29%的UDN研究中被报告，以过滤法最为常用，其次为包裹法与嵌入法，10%的研究采用混合方法。特征缩放在尺度敏感模型中的报告率仅为42%（WDN）与50%（UDN），推荐采用归一化（min-max scaling）或标准化（z-score normalisation），前者对异常值敏感，后者鲁棒性更强。训练样本量与特征数的比值推荐不低于10（简单任务）或100（复杂任务），7篇纳入研究低于最低阈值。数据泄漏在约15%的文献中被确认，其中13篇为预处理相关泄漏，7篇为时间序列划分相关泄漏，反映出领域内的结构性方法缺陷。

4.3 模型开发

超参数优化仅41%的UDN研究与41%的WDN研究采用自动优化方法，若计入试错法比例升至56%（UDN）与54%（WDN），网格搜索是最常用方法，随机搜索、遗传算法与贝叶斯优化适用于高复杂度场景。75%的研究报告至少2项性能指标并对比至少2种ML模型，分类任务最常用准确率（Accuracy）、精确率（Precision）、召回率（Recall）与F1分数，需注意不平衡数据集下准确率的局限性；回归任务最常用均方根误差（Root Mean Squared Error, RMSE）、平均绝对误差（Mean Absolute Error, MAE）、决定系数（Coefficient of Determination, R²）与平均绝对百分比误差（Mean Absolute Percentage Error, MAPE），其中R²反映方差解释比例而非绝对预测误差，纳什效率系数（Nash-Sutcliffe Efficiency, NSE）对数据变异性敏感，跨案例对比需谨慎。仅24%的UDN研究与22%的WDN研究报告训练时长等计算需求信息。模型架构以神经网络为主（约65%），卷积神经网络（Convolutional Neural Networks, CNN）应用最多，其次为单隐层人工神经网络（Artificial Neural Networks, ANN）、长短期记忆网络（Long Short-Term Memory, LSTM）与多层感知机（Multilayer Perceptron, MLP）；树基模型占41%（UDN）与33%（WDN），以随机森林（Random Forest, RF）与XGBoost为主；支持向量机（Support Vector Machines, SVM）与逻辑回归（Logistic Regression, Log R.）占29%（UDN）与38%（WDN）。混合架构应用较多，但常缺乏复杂度增加的充分依据，可能通过简化模型的超参数优化即可达到同等性能，反而损害可解释性与可复现性。

4.4 模型应用

模型可解释性仅在26%的UDN研究与14%的WDN研究中被报告，特征相关性解释最为常用，SHapley Additive exPlanations（SHAP）与置换重要性（Permutation Importance）占比超75%，可视化解释（偏依赖图Partial Dependence Plots, PDP、类激活映射Class Activation Mapping, CAM）占比分别为44%（UDN）与33%（WDN）。需注意事后可解释性方法可能存在解释偏差，建议结合多种方法交叉验证。不确定性量化技术在21%的UDN研究与13%的WDN研究中被报告，集成模型（重复训练或多模型融合）占71%（UDN）与82%（WDN），其次为分位数损失等确定性方法、贝叶斯神经网络与保形预测（Conformal Prediction）。代码与数据共享严重不足，仅11%的UDN研究与2%的WDN研究提供可访问代码，数据公开率为23%（UDN）与14%（WDN），部分公开链接已失效，凸显永久存储库的必要性。

1. 5.
   未来挑战与推荐方法清单
   5.1 未来挑战
   当前UWI领域监督式ML实施存在两大核心问题：一是ML方法的正确实施与实际适用性报告不足，二是标准化文档缺失阻碍信息提取与可复现性。二者共同削弱性能可信度，降低研究向实践转化的可能性。运营商对ML应用的信任不足是落地的主要障碍，而UWI故障可能导致城市人口与环境的负面影响，因此欧盟《人工智能法案》已将配水管网相关ML应用列为高风险系统，要求具备透明度与技术鲁棒性。同时，开源工具与生成式AI降低了ML开发门槛，但也可能导致传统水利工程师的ML技能储备不足，且现有方法缺陷可能被生成式AI输出继承，进一步凸显标准化实施的必要性。

5.2 方法与报告规范清单

清单覆盖全流程：数据收集完成后首先按数据类型划分数据集，时间序列数据采用块划分避免泄漏，测试集占比推荐10%–40%；所有预处理步骤仅在训练集上定义与拟合，再迁移至验证集与测试集，包含异常值处理、缺失值管理、特征缩放与特征选择；预处理后训练样本量与特征数比值宜≥100，不满足则采用CV+T划分；随后开展超参数优化，基于验证集避免过拟合，在测试集上采用多指标评估，至少对比2种ML模型，并引入线性回归、决策树等基线模型以验证性能增益；选定最优模型后集成可解释性与不确定性量化技术，最终完整记录全流程并共享数据与代码。清单同时提供带交叉验证的替代方案，适配小样本场景。

5.3 进一步建议与未来研究方向

未来需深化领域知识与ML流程的融合（知识融合），在特征工程中嵌入水力物理特征，在损失函数中加入质量能量守恒约束，开发贴合运营目标的评估指标；推进可解释性技术向因果推理延伸，识别特征与目标变量的因果关系；填补ML模型长期运维的研究空白，适配SCADA系统以实现持续性能监测、重训练与验证，保障UWI场景下ML应用的长期有效性。

1. 6.
   结论
   本综述系统评估了2018–2025年117篇高被引UWI领域ML文献的全流程实施质量，识别出以下核心结论：多数文献高度重视性能基准测试，多指标与多模型对比已成常态；但对ML方法正确实施与实际适用性的报告存在明显缺口，仅约三分之一文献记录特征选择、特征缩放、自动超参数优化等核心任务，可解释性与不确定性量化技术报告率更低；标准化文档缺失、数据与代码共享极度有限，严重阻碍可复现性；约15%的文献存在明确的数据泄漏问题，导致性能虚高。上述发现表明，即使高影响力文献也存在方法报告缺陷，亟需更可验证、可复现与透明的ML实施。配套提出的全流程方法与报告规范清单可为开发者、技术人员与运维人员提供实操指引，助力提升UWI领域ML应用的工程质量与信任度。