洗手间只是嫌疑对象之一，不是唯一答案

体育馆用水浪费的第一反应通常指向卫生间，因为它是观众最直接感知的用水场景。但不同类型场馆的用水结构差异很大：拥有天然草坪的足球场，灌溉可能占全年用水的相当一部分；以商业活动和演出为主的综合体育馆，餐饮备餐和空调冷却塔补水可能才是大头。把"洗手间漏水"当作唯一假设，很容易漏掉真正占比更高的用水环节。

这种直觉偏差并不难理解：卫生间的水龙头和马桶是观众每次到场都会接触的场景，一旦有异响或者水渍，很容易被记住并归因；而草坪灌溉系统、冷却塔补水管路大多藏在观众看不到的地方，出问题时往往只有水费账单会先"说话"。

先画一张用水结构地图

米兰体育做场馆用水管理的第一步，不是急着找异常，而是先把用水按用途拆开：草坪灌溉、室内清洁、卫生间、餐饮厨房、冷却系统各占多少。这和草坪灌溉到底需要多少水是同一套思路——先弄清楚水流向哪里，才能判断哪个环节值得优化，哪个环节其实已经处于合理区间。没有这张地图，任何"节水建议"都只是猜测。

画这张地图需要的不只是水表读数，还包括每个用水场景的运行规律：灌溉通常集中在清晨或夜间，清洁多发生在赛事前后的固定时段，餐饮用水则和比赛日的人流高度相关。把这些时间规律和用水量对照起来看，比单纯累加总用水量更能反映真实情况。

分区水表和真实基线，而不是凭经验猜

一个总水表能看到的只是"用了多少"，看不到"用在哪里"。米兰体育建议按草坪灌溉、建筑内部、餐饮厨房、冷却系统等区域分别安装水表，这和场馆电力管理里分区计量的思路是一致的。有了分区数据，还需要结合场馆自身的赛事密度、季节、草坪面积建立基线，训练场地和大型体育场的合理用水区间本来就不一样，用同一套标准衡量容易误判。

基线也不是一成不变的数字，而是会随着季节、赛事密度和天气条件浮动的区间。夏季高温天气下灌溉用水本来就会上升，如果基线没有把季节因素考虑进去，很容易把正常的季节性波动误判成异常，或者反过来把真正的异常当成"天气原因"放过。

异常怎么被发现：模型看什么信号

有了分区水表和基线之后，异常检测才有意义。系统关注的通常不是某一个瞬时读数，而是用水趋势相对基线的持续偏离——比如非赛事日夜间理应接近零的用水量持续偏高，往往是管路渗漏的信号；灌溉区域用水量在没有干旱天气支撑的情况下明显上升，则可能提示灌溉系统设定出了问题。举例来说（示意场景，非真实场馆数据），假设某区域夜间基线用水接近于零，却持续检测到稳定的小额用水，这类"稳定的异常"往往比忽高忽低的波动更值得关注。

相比之下，偶尔出现的短时用水峰值未必是问题——一次临时清洁、一场额外的活动都可能带来短暂的用水上升，只要事后能回落到基线附近，通常不需要特别处理。真正值得预警的，是那些持续偏离基线、而且找不到明显运营原因的用水模式。

清洁和餐饮用水：赛事密度决定了真正的压力时段

卫生间、清洁和餐饮备餐这三类用水，虽然都和观众活动直接相关，但压力时段并不完全一致：清洁用水通常集中在赛前布场和赛后收尾，餐饮备餐用水则贴合观众到场和中场休息的时间点，卫生间用水峰值往往出现在中场和赛后离场前后。把这三类用水放在同一条曲线里看，容易误以为某个时段的总用水异常，实际上只是不同用水场景叠加的正常结果；拆开看每一类用水各自的规律，才能判断哪个环节真正值得优化。

冷却系统的用水，容易被当成"用电问题"

体育馆的空调系统如果采用水冷方式，冷却塔补水本身也是一笔不小的用水量，但因为冷却系统通常被归在"空调能耗"的讨论范围里，这部分用水很容易被忽略，甚至被误认为只是电力问题。冷却塔的补水量和空调负荷、室外温湿度直接相关，夏季高温高湿天气下补水量会明显上升，这也是为什么用水管理不能脱离空调运行策略单独讨论——两者共享同一套环境数据，理应放在同一套分析框架里看待。

用水管理最终要落到场馆的资源体系里

草坪灌溉、清洁、卫生间、餐饮、冷却，这几类用水场景看似独立，实际上都会受到同一批变量的影响：比赛日程、观众规模、季节和天气。把这些用水场景放进同一套分区计量和基线体系里，和场馆电力管理里"先拆负荷结构、再谈优化"的逻辑是一致的。米兰体育把用水管理当作场馆资源管理的一部分，而不是孤立的"节水专项"，正是因为水和电、碳一样，都需要先看清真实结构，才谈得上真正有效的管理。

长期看，一座场馆如果能持续积累分区用水数据，还能反过来支持更细致的运营决策：比如判断某个赛季是否应该调整草坪养护方式，或者某类活动是否需要提前增配临时供水点，这些判断都建立在真实数据积累之上，而不是每次都凭当下的直觉重新估算。这也是米兰体育强调"先建立结构再谈优化"的原因——脱离真实用水结构谈节水目标，很容易变成一句口号，而不是一套可以落地的运营方法，也很难说清楚一年下来，场馆的用水管理究竟在灌溉、清洁、餐饮还是冷却这几个具体环节上取得了实质改善，管理团队向上汇报的时候，也只能拿出一个笼统的总用水下降数字，说服力远不如一份把灌溉、清洁、餐饮、冷却各自变化都写清楚的分区对比报告。

灌溉计划还要结合天气，而不是固定时刻表

即便有了分区水表和基线，如果灌溉系统仍然按照固定时刻表运行——比如每天清晨固定浇灌固定时长，也很容易造成浪费：刚下过雨的草坪不需要额外灌溉，连续高温干燥的天气可能又需要比平时更多的水量。把天气预报、土壤湿度和灌溉计划联动起来，而不是让灌溉系统按照一张一成不变的时刻表运行，是用水管理里和电力的"提前预冷"逻辑相通的部分——两者都是用真实条件替代固定假设。

从异常提示到人工核实，责任不能只交给算法

系统发现异常之后，下一步是提示运营人员去现场核实，而不是自动断水或改变设备运行状态——水路问题往往涉及安全和赛事保障，需要人工判断具体原因。这类异常提示和响应流程，和米兰体育App里的用水异常提醒是同一套逻辑的两端：App负责呈现"哪里可能有问题"，现场核实和处理仍然由人来完成，长期积累的异常记录也能反过来帮助场馆判断哪些设备该优先检修更换。

把每一次异常核实的结果记录下来，还能反过来校正基线和判断规则——如果某类提示反复被现场核实为"正常运营波动"，说明基线设定需要调整；如果某类提示屡次对应真实的渗漏或故障，则说明这类信号值得更高的优先级。这种数据和现场经验之间的循环校正，比一次性设定好规则更贴近场馆的真实运营节奏。