《Water Research X》：Towards Smart Water Infrastructure: Retrieval-Augmented Large Language Models for Acoustic Leak Detection
编辑推荐：
本研究引入了一种检索增强大语言模型（Retrieval-Augmented Large Language Model, RAG-LLM），用于声学泄漏检测。通过构建深度特征向量数据库，实现了对历史相似案例的有效检索。该RAG-LLM模型的检测准确率与有监督深度
本研究引入了一种检索增强大语言模型（Retrieval-Augmented Large Language Model, RAG-LLM），用于声学泄漏检测。通过构建深度特征向量数据库，实现了对历史相似案例的有效检索。该RAG-LLM模型的检测准确率与有监督深度学习模型相当。同时，本研究厘清了大语言模型在智慧水系统中的应用潜力及其应用层面的局限性。
**论文解读：面向智慧供水管网声学泄漏检测的RAG-LLM框架**
**1. 引言与研究背景**
水是全球最珍贵且有限的资源之一，有效的供水基础设施管理对于满足日益增长的用水需求及保障环境可持续性至关重要。供水管网(Water Distribution Networks, WDNs)作为供水基础设施的核心，频繁发生的泄漏不仅造成大量水资源浪费，还带来经济损失并危及公共安全。然而，管网系统的复杂性和空间延展性限制了传统检测方法的有效性，亟需开发能够可靠识别泄漏并支持基础设施管理的先进系统。
在此背景下，基于泄漏诱发振动声学信号的声学检测方法因其全面性和易部署性而被广泛采用。机器学习作为模式识别工具，已被越来越多地应用于管道维护中的判别性特征提取。基于人工特征的传统机器学习方法在以往研究中较为常见，例如利用频域与时域特征结合人工神经网络检测接头泄漏，或从噪声记录仪信号中提取多种声学特征用于基因表达编程模型。此外，特征选择研究也确定了关键特征并在多种分类器中取得了较高的检测精度。尽管这些方法有效，但常规模型所提供的诊断信息范围有限，通常仅作为输出类别标签的二分类器，缺乏诊断上下文。通过特征可视化技术提升可解释性的努力，虽然能突出对预测有贡献的信号成分，但这些视觉线索仍较抽象和技术化，难以直接支持基于证据的决策。
大语言模型(LLMs)凭借其编码语义知识和生成文本描述的能力，为故障诊断中的决策支持与报告生成提供了新的可能。现有研究多将LLM直接用作特定任务的诊断模型，本研究的立场与之不同。本研究并未将LLM微调为主要的声学分类器，而是通过检索可追溯的历史泄漏案例，利用LLM综合基于证据的诊断支持。这种定位将所提框架视为传统分类器的补充而非替代。检索增强生成(Retrieval-Augmented Generation, RAG)技术通过将外部知识源整合到生成过程中，进一步强化了这一角色，提升了模型输出的事实基础。尽管LLM在水利工程中的应用已开始出现，但现有研究多聚焦于广泛的知识支持、优化或概念性的系统集成，并未检索历史声学泄漏案例以实现可追溯的诊断。因此，本研究的核心切入点在于建立一个连接声学特征检索与LLM生成式诊断支持的、基于证据的工作流，以弥合这一研究空白。
本研究应用LLM进行声学泄漏检测，并集成RAG支持基于证据的诊断。研究目标是开发并评估一种决策支持与报告工具，将原始声学数据转化为适合RAG-LLM工作流的可检索表示。研究首先利用人工、深度及混合特征构建泄漏检测向量数据库，该数据库支持检索最相关的历史案例，并供给LLM生成基于证据的泄漏诊断，旨在简化诊断分析流程并支持智慧水基础设施管理。
**2. 主要技术方法**
研究人员主要采用以下关键技术方法开展研究：
(1) **声学数据采集与预处理**：在DL和HK两个城市的不同供水管网(WDN)中开展协作实验，采用低噪声夜间监测策略，在消防栓或阀门上安装定制或商用噪声记录仪采集声学信号。DL网络包含86个测点的听音杆巡检数据，共收集1012个标记样本；HK网络基于承包商检查报告建立真实标签，获取1004个标记样本。信号预处理包括去除直流偏移、重采样至4096 Hz及设定FFT大小为2048。
(2) **多策略特征提取与向量数据库构建**：采用三种特征策略构建向量数据库，即利用领域知识提取21个时域、频域与统计特征的人工特征策略；在历史案例上训练一维卷积神经网络(1D-CNN)并冻结参数提取256维潜在表示的深度特征策略；以及综合两者互补检索结果的混合特征策略。向量数据库使用Chroma实现。管道材质和直径作为元数据提供给LLM作为上下文信息。
(3) **RAG-LLM系统构建与性能评估**：采用检索增强生成架构，基于平方欧氏距离(L22)度量进行案例检索，检索深度K=3。使用包含音频文件、特征分析、匹配历史案例信息和环境参数的工程化提示模板，指导LLM输出结构化JSON诊断报告。评估了三种主流LLM生态系统，并与无RAG的LLM及多数投票k近邻(kNN)、支持向量机(SVM)和CNN等有监督基线模型进行性能对比，采用准确率、精确率、召回率和F1分数等指标，并在HK网络进行分布偏移下的样本外测试。
**3. 研究结果**
**3.1 框架组件分析**
实验评估了在DL案例中不同LLM与向量数据库配置的组合性能。结果显示，深度特征数据库在三个LLM中均稳定取得最高的泄漏检测准确率，平均准确率、精确率和F1分数分别达到0.987、0.960和0.980，显著优于人工特征和混合特征数据库，而所有配置召回率均保持1.000。案例级分析表明，大多数误分类发生在案例4和5两个非泄漏场景中，这是由于人工特征和混合特征数据库检索结果存在标签不一致，导致LLM输出错误标签。深度特征检索则产生更精确的历史案例匹配，大幅提升了检测准确率。在所有LLM中，DeepSeek对不同数据库类型的适应能力最强，而ChatGPT和Claude在检索结果中出现泄漏案例时，行为更保守，常将整个非泄漏案例误判为泄漏。
**3.2 泄漏检测对比分析**
将完整的RAG-LLM框架与无RAG的LLM及有监督基线模型进行比较。实验表明，无检索增强的独立LLM在DL案例中准确率仅为0.40，且将所有样本预测为泄漏，无法有效区分泄漏与正常状态，证明了独立LLM不适用于声学管道泄漏检测。相比之下，RAG-LLM表现与有监督学习方法相当，其准确率为0.98，精确率为0.94，召回率为1.00，F1分数为0.97，优于基于深度特征的kNN检测器和基于人工特征的SVM模型，但略逊于CNN基线。这一对比强调了检索增强对基于LLM的泄漏检测的关键作用，并表明RAG-LLM框架的首要目的并非仅提升分类精度，而是提供常规分类器无法提供的基于案例的解释。
**3.3 香港案例样本外测试**
为评估框架在分布偏移下的泛化能力，将HK网络作为独立的样本外案例进行测试。实验设置与主评估基本一致。结果表明，RAG-LLM在此样本外数据上依旧表现良好，准确率为0.9216，精确率为0.95，召回率为0.8636，F1分数为0.9048。相比之下，独立LLM依旧将所有样本均预测为泄漏，产生大量误报，进一步证实其不适用于实际部署。在有监督基线中，CNN依旧表现最优，准确率为0.9608，F1分数为0.9565，优于kNN和SVM。DL与HK结果的对比揭示了恒定模式，即缺乏检索的LLM倾向于过度预测泄漏事件，而RAG-LLM通过将LLM推理置于检索证据的基础上有效提升了可靠性。
**4. 讨论与结论**
讨论部分首先探讨了检索与推理对泄漏检测性能的影响。实验发现，在混合特征数据库支持下，启用推理能力的LLM在复杂的案例4中能改进分类结果，但在人工特征数据库下推理优势不明显。更重要的是，检索质量对最终预测的准确性起着决定性作用，几乎所有的误分类都与检索案例标签不一致相关；深度特征数据库检索的标签一致性最好，这与其更强的表征能力相符。然而，增强推理伴随高昂的时间和计算成本，例如非推理模式处理单个样本约需15秒，而推理模式超过200秒，这在实践中可能难以接受。因此，所提出的RAG-LLM框架的定位并非替代用于连续监测中的实时声学分类器，而是作为基于证据的决策支持与报告工具，仅在常规检测器识别出异常或不确定声学事件时被触发进行深入分析。
研究结论指出，本研究开发的集成LLM与RAG的智能声学管道泄漏检测框架，可作为补充信号级分类器的、基于证据的决策支持与报告层，并允许替代性检测模型作为特征提取器。基于DL和HK两个供水管网(WDN)的实验证明，相对于独立LLM，基于案例的检索显著提升了LLM输出的选择性和可信度。研究结果也表明，基于深度表示的RAG-LLM配置性能始终优于基于人工和混合表示的配置，这表明学习到的深度表示比人工特征能更有效地捕获复杂声学模式。独立LLM趋于产生无差别泄漏预测，而检索增强带来了与常规有监督基线相当的性能。香港样本外研究在分布偏移下复现了主要结论，支持了检索贡献的鲁棒性，但并未确立普遍泛化性。研究同时厘清了基于LLM的泄漏检测支持的实际价值、局限性及未来研究需求。
