康奈尔大学的研究团队发现，试图在地区利益相关者之间分摊水基础设施项目的成本的合作关系，往往会导致当地合作伙伴面临潜在的供应和金融风险。

这种不平衡的现象源于多种因素，包括制度的复杂性和水文气候的变化。然而，研究人员表明，基于人工智能的计算和建模算法能够帮助设计出更具供水效益且财务风险较小的合作关系。

为了深入探讨水利基础设施合作关系中的内在权衡，康奈尔大学工程学院的帕特里克·里德教授带领的研究团队以加州圣华金河谷的弗里安特-克恩运河为研究对象。

该团队的研究论文《在制度复杂的系统中，弹性水基础设施伙伴关系面临供应和金融风险权衡的挑战》于8月27日发表在《自然通讯》上。第一作者安德鲁·汉密尔顿是里德实验室的前博士后研究员。

里德指出，这一影响不仅限于加州。

“这不仅是加州的问题，”他说。“在美国，数千个市政供水系统都面临着不同程度的不确定性和财务风险，许多基础设施正在老化，同时还面临一些不必要的挑战。

“我们如何能够合作，共同应对这些问题？谁来承担这些风险？”里德表示。“这是一个重要的问题。我们的研究是朝着强调一些关键问题的方向迈出的一步，但我认为还有更多广泛的工作需要进行，尤其是考虑到大部分金融风险将是地方性的。”

气候变化、经济增长和监管变化的综合影响使得加州及整个美国对水资源短缺的担忧加剧，进而增加了对新基础设施投资的需求，例如主要运河和地下水银行设施。融资大型基础设施项目的一种常见方式是通过合作伙伴关系，也称为合并或区域化，即多个供水商和用户共同努力，为共享设施的融资、建设和运营提供支持。

汉密尔顿表示：“当有可能有数十个独立的区域实体管理水资源时，从效率和成本效益的角度来看，将它们联合起来建立合作伙伴关系是合理的，或者将这些分散的系统整合成一个协调的系统，或者将规划和投资进行整合。”

然而，考虑到如此多相互关联的系统的复杂性，以及计算利益的综合方式，单个合作伙伴的脆弱性可能难以评估。为了更好地理解相互冲突的目标和权衡，里德、汉密尔顿及其合著者——北卡罗来纳大学教堂山分校的博士生罗希尼·古普塔、格雷格·查拉克利斯和哈里森·泽夫——对加州圣华金谷地区进行了研究，该地区拥有超过400万人口和500万英亩的灌溉农田。

研究人员利用人工智能驱动的计算和建模，或称为“多目标智能搜索”，在2000多个不同的场景年中，模拟了在各种气候条件下代表30万个不同候选伙伴关系的系统动态。这项工作需要大量的数据收集和计算工具的开发，以获取关于变量的准确图像。

该团队的模型显示，合作伙伴关系收益的累积估计可能掩盖了实质性的不平等以及对那些已经面临微薄财务利润的合作供水商的负面影响。

在探讨最有利的基础设施项目类型时，研究人员发现，大多数合作伙伴可以通过投资运河扩建和地下水银行的组合来分散风险，而不是单一依赖某种策略来解决水资源短缺问题。

研究人员还发现，与当前的弗里安特-克恩运河合作伙伴关系相比，他们的算法能够帮助识别出“金发姑娘”配置，这种配置可以为所有参与者提供更多的水，并降低财务风险。

研究团队正在免费分享该算法，希望水利基础设施合作伙伴能够更好地理解并更有效、公平地资助他们的项目。

里德表示：“新的智能搜索工具和模拟框架能够在许多不同的场景中测试多种替代方案，并使权衡变得更加明确。”

汉密尔顿补充道：“我们并不想声称我们比操作系统的人更了解这个系统。关键在于，这个系统非常复杂，也许我们应该退一步，思考更好的方法，以避免在进行大规模、在许多情况下是不可逆转的投资时出现意想不到的后果。”

该研究得到了美国国家科学基金会(NSF)的部分支持，以及先进的网络基础设施协调生态系统服务和支持计划，以及极端科学与工程发现环境计划，这两个计划均由NSF资助。作为多部门动力学、地球和环境系统建模项目研究的一部分，美国能源部科学办公室提供了额外的支持。