因應目前放流水標準銅濃度之加嚴，現有廢水處理系統常見之問題為過量加藥與無法精準控制，進而造成加藥浪費與污泥過多，因此需從廢水處理場的調勻池開始掌控銅離子濃度，並且更精準的進行加藥控制。此外化學銅廢水中殘留的EDTA也可能影響放流水之銅離子濃度。因此擬用機器學習與深度學習方式，採用最佳配方的AI處方性決策，經由各項參數和跨系統的數據分析建立AI除銅化學沉澱模型，以達到精準加藥和穩定的排放水質，兼顧操作成本及系統穩定性。此研究為研華股份有限公司產學合作案(2021 ~ 2022)。

台灣自來水股份有限公司鑒於管線破漏頻率高，為能確實瞭解配水管線破漏因子，依據「修漏管理系統」歷年數據資料庫特徵分析，配水管線失效(破漏)因子包含：環境因子、管材、管齡、管徑等，建立配水管線失效(破漏)與管線汰換診斷分析模式。分析模式以類神經網路建立模型，對於複雜破漏因子能有效建立高維度破漏機制，並搭配地理資訊系統(GIS)可視化分析結果，作為巡檢人員檢漏工具。此研究承接於台灣自來水公司的委任計畫(2018 ~ 2019)。