數(shù)字孿生流域知識圖譜構(gòu)建及其應(yīng)用

覃煬揚(yáng),郭 俊,劉 懿,舒海潤

(華中科技大學(xué) 土木與水利工程學(xué)院,湖北 武漢430074)

0 引 言

隨著社會經(jīng)濟(jì)的發(fā)展,水資源、水環(huán)境、水生態(tài)等問題日益突出。國家“十四五”規(guī)劃中,明確提出要推進(jìn)智慧水利體系構(gòu)建[1],加強(qiáng)水資源保護(hù)與利用,加大水污染防治力度,推進(jìn)流域綜合治理,提高防洪排澇能力,保障水安全。為實(shí)現(xiàn)這一目標(biāo),數(shù)字孿生流域作為一種新型的基礎(chǔ)設(shè)施和流域管理方式應(yīng)運(yùn)而生。數(shù)字孿生流域是以物理流域?yàn)閱卧?、時(shí)空數(shù)據(jù)為底座、數(shù)學(xué)模型為核心、水利知識為驅(qū)動,對物理流域全要素和水利治理管理活動全過程的數(shù)字化映射與智能化模擬,可實(shí)現(xiàn)與物理流域同步仿真運(yùn)行、虛實(shí)交互與迭代優(yōu)化[2]。數(shù)字孿生流域通過構(gòu)建物理流域與數(shù)字流域的關(guān)聯(lián),實(shí)現(xiàn)對流域資源、環(huán)境、生態(tài)等方面的監(jiān)測、分析與優(yōu)化配置。

數(shù)字孿生流域建設(shè)技術(shù)大綱中,包含了數(shù)字孿生平臺與信息化基礎(chǔ)設(shè)施。數(shù)字孿生平臺中,知識平臺集成信息來自數(shù)據(jù)底板的相關(guān)數(shù)據(jù)和模型平臺的計(jì)算分析結(jié)果,這些信息經(jīng)過水利知識引擎的處理后,形成知識圖譜(Knowledge Graph,KG),用來支撐水利業(yè)務(wù)的應(yīng)用[3]。知識圖譜作為一種新興的知識表示和管理技術(shù),能夠有效地組織、整合和挖掘領(lǐng)域知識,支持構(gòu)建數(shù)字孿生流域的知識平臺,為數(shù)字孿生流域提供決策支持。

以圖譜形式呈現(xiàn)的可用知識庫內(nèi)容即為知識圖譜,知識圖譜近年來備受關(guān)注,并產(chǎn)生了大量的研究,大多數(shù)研究都集中在知識圖譜的生成及其內(nèi)部信息的消費(fèi)[4-6]。知識圖譜的發(fā)展經(jīng)歷了3個(gè)階段:在第一階段,知識表征被提升到Web標(biāo)準(zhǔn)的水平。在第二階段核心關(guān)注點(diǎn)轉(zhuǎn)向數(shù)據(jù)管理、鏈接數(shù)據(jù)及其應(yīng)用。在第三階段,焦點(diǎn)轉(zhuǎn)向?qū)嶋H應(yīng)用(包括語義解析[7-8]、信息抽取[9]、推薦系統(tǒng)[10]、問答系統(tǒng)[11-12]等)。馮鈞等[12]總結(jié)了領(lǐng)域知識圖譜的研究現(xiàn)狀,并指出了水利領(lǐng)域知識圖譜的研究方向。知識圖譜的研究總結(jié)工作基本涉及知識抽取、知識存儲、知識融合、知識推理、知識表示,水利領(lǐng)域也是在此基礎(chǔ)上進(jìn)行細(xì)化研究與應(yīng)用展示。本文在現(xiàn)有體系基礎(chǔ)上,探索性提出一種以流域拓?fù)鋱D的形式構(gòu)建與應(yīng)用的知識圖譜,以更好地梳理流域相關(guān)的知識脈絡(luò),為相關(guān)防洪等工作提供更好的支撐。

1 技術(shù)路線探究

知識圖譜大體上分為自頂向下和自底向上兩種構(gòu)建方式,圖1為自底向上的技術(shù)路線圖,揭示了一個(gè)迭代更新的知識圖譜構(gòu)建過程。一輪迭代主要分為知識抽取、知識融合和知識加工3個(gè)階段。知識抽取也是信息抽取,首先對結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行抽取,然后從各數(shù)據(jù)源中進(jìn)行實(shí)體、屬性和關(guān)系的抽取,形成本體化的知識表達(dá)。從知識抽取、數(shù)據(jù)庫、知識庫獲取新知識后,需要對知識進(jìn)行整合,比如同一個(gè)實(shí)體在多條知識中有不同表示、同一個(gè)稱謂關(guān)聯(lián)著多個(gè)實(shí)體等,因此需要進(jìn)行知識融合,消除歧義與矛盾。融合過的知識,經(jīng)過本體抽取、質(zhì)量復(fù)核(需要人工參與評估、甄選)后,可用的部分被補(bǔ)充到知識庫中,保證知識庫的質(zhì)量維護(hù)和更新,知識庫中的內(nèi)容也需定期檢查、推理并重新評估。

圖1 知識圖譜構(gòu)建路線Fig.1 Knowledge graph construction route

2 數(shù)字孿生流域知識圖譜構(gòu)建

為實(shí)現(xiàn)數(shù)字孿生流域的智能管理,需要構(gòu)建一套知識圖譜體系架構(gòu),涵蓋知識表示、知識抽取、知識融合和知識推理等關(guān)鍵技術(shù)環(huán)節(jié)。

2.1 知識表示

知識表示是知識圖譜的基礎(chǔ),需要構(gòu)建一套適用于水利領(lǐng)域的實(shí)體、屬性和關(guān)系表示方法。首先,通過咨詢領(lǐng)域?qū)＜液筒樵兾墨I(xiàn)資料,梳理水利領(lǐng)域的基礎(chǔ)本體和業(yè)務(wù)本體,包括江河湖泊、水利工程、水資源管理等實(shí)體以及它們之間的關(guān)系。其次,采用資源描述框架(Resource Description Framework,RDF)和網(wǎng)絡(luò)本體語言(Web Ontology Language,OWL),對實(shí)體、屬性和關(guān)系進(jìn)行結(jié)構(gòu)化的描述,構(gòu)建水利領(lǐng)域的知識表示體系。將知識圖譜看成是由互相連接的實(shí)體和屬性構(gòu)成的網(wǎng)絡(luò),則每一條知識表示為一個(gè)三元組,即由主體(Subject)、謂語(Predicate)及賓語(Object)三部分構(gòu)成。圖2是RDF三元組以RDF/XML文檔形式進(jìn)行存儲的數(shù)據(jù)格式。

圖2 RDF三元組格式Fig.2 RDF triple format

2.2 知識抽取

知識抽取是從原始的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中提取結(jié)構(gòu)化知識的過程,涵蓋了自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)在其中的應(yīng)用,圖3展示了各種原始數(shù)據(jù)的一般分類。在數(shù)字孿生流域建設(shè)中,數(shù)據(jù)來源主要包括文本、圖像、視頻等多模態(tài)數(shù)據(jù),利用自然語言處理、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù),對文本、表格和圖像等多源異構(gòu)數(shù)據(jù)進(jìn)行有效提取與處理。例如,可以通過命名實(shí)體識別、關(guān)系抽取等技術(shù),從文本中提取水資源、水環(huán)境等相關(guān)實(shí)體及其屬性和關(guān)系;通過圖像識別和分割技術(shù),從遙感影像中提取水體、地表覆蓋等空間信息。通過實(shí)體識別、關(guān)系抽取和屬性抽取等技術(shù),從數(shù)據(jù)中構(gòu)建實(shí)體-關(guān)系三元組,形成水利領(lǐng)域知識圖譜的信息基礎(chǔ)。

圖3 原始數(shù)據(jù)類型Fig.3 Original data type

2.3 知識融合

知識融合包含實(shí)體對齊、關(guān)系對齊與知識補(bǔ)全方法。由于多源數(shù)據(jù)的異構(gòu)性和不一致性,需要采用知識融合技術(shù)對知識進(jìn)行整合。實(shí)體對齊是將描述同一現(xiàn)實(shí)世界對象的不同實(shí)體進(jìn)行關(guān)聯(lián)的過程,可以通過基于特征的相似度計(jì)算和基于規(guī)則的方法進(jìn)行實(shí)現(xiàn);關(guān)系對齊是指將不同來源的相同關(guān)系進(jìn)行關(guān)聯(lián),可以通過關(guān)系匹配和鏈接技術(shù)實(shí)現(xiàn);知識補(bǔ)全是指通過挖掘已有知識圖譜中的潛在規(guī)律,補(bǔ)全缺失的實(shí)體屬性或關(guān)系,可以通過基于規(guī)則推理、矩陣分解、表示學(xué)習(xí)、遷移學(xué)習(xí)和協(xié)同過濾等方法進(jìn)行。知識融合的過程需要充分考慮不同數(shù)據(jù)源的可信度、時(shí)效性和一致性等問題,以保證融合后知識的質(zhì)量。

2.4 知識推理

知識推理是一種通過已有知識推導(dǎo)出新的知識或尚未標(biāo)注收錄知識的過程,可以幫助挖掘?qū)嶓w之間的潛在關(guān)系,化簡解決復(fù)雜問題。知識推理主要有基于描述邏輯的推理引擎和基于規(guī)則的推理方法。基于描述邏輯的推理引擎主要利用本體語言中的概念、屬性和關(guān)系等描述邏輯元素,實(shí)現(xiàn)對知識圖譜的推理和驗(yàn)證;基于規(guī)則的推理方法則通過編寫領(lǐng)域?qū)＜业慕?jīng)驗(yàn)規(guī)則,利用事實(shí)和規(guī)則進(jìn)行推理,得出結(jié)論。通過知識推理,可以發(fā)現(xiàn)隱含的知識,輔助決策者更好地理解流域管理問題,提高決策效率。

3 基于知識圖譜的數(shù)字孿生流域管理

3.1 需求分析

需求分析是了解和挖掘流域管理問題的核心目標(biāo)和關(guān)鍵舉措,為知識圖譜的應(yīng)用提供指導(dǎo)。通過與領(lǐng)域?qū)＜覝贤?、參考文獻(xiàn)資料分析和政策法規(guī)查詢,充分考慮流域管理的多目標(biāo)性、多尺度性和多時(shí)空性等特點(diǎn),確保知識圖譜的實(shí)用性和針對性,明確數(shù)字孿生流域管理的需求,如水資源優(yōu)化配置、水環(huán)境監(jiān)測與保護(hù)、防洪排澇與災(zāi)害防治等。

3.2 知識檢索

知識圖譜可以幫助用戶快速準(zhǔn)確地查找到所需信息。基于語義的檢索方法可以實(shí)現(xiàn)對實(shí)體、屬性和關(guān)系等知識元素的精確查找,支持復(fù)雜查詢條件的組合。通過構(gòu)建水利領(lǐng)域的本體模型,將關(guān)鍵詞映射到知識圖譜中的實(shí)體和關(guān)系,以實(shí)現(xiàn)基于語義的檢索。同時(shí),引入自然語言處理等技術(shù),進(jìn)一步提高檢索的易用性;引入應(yīng)用推薦系統(tǒng),為用戶提供個(gè)性化推薦,提高檢索效率。

3.3 知識分析

知識分析是對知識圖譜中的數(shù)據(jù)進(jìn)行挖掘和分析的過程,以發(fā)現(xiàn)潛在的規(guī)律和關(guān)系。基于知識圖譜的數(shù)據(jù)挖掘方法包括關(guān)聯(lián)規(guī)則挖掘、聚類分析、分類預(yù)測等。例如,通過關(guān)聯(lián)規(guī)則挖掘可以發(fā)現(xiàn)水資源與水環(huán)境、水利工程之間的關(guān)聯(lián)關(guān)系;通過聚類分析可以對流域內(nèi)的水資源、水環(huán)境等相關(guān)要素指標(biāo)進(jìn)行分區(qū)劃分;通過分類預(yù)測可以預(yù)測水資源、水環(huán)境相關(guān)要素指標(biāo)的未來變化趨勢。這些分析方法可以為流域管理決策提供數(shù)據(jù)支持。

3.4 決策支持

基于知識圖譜的決策支持系統(tǒng)可以為流域管理決策者提供有針對性的建議。通過知識推理和知識分析的結(jié)果,為決策者提供清晰的信息脈絡(luò)和可視化展示,幫助他們更好地理解問題,專注于制定合適的決策。同時(shí),可以結(jié)合專家經(jīng)驗(yàn)和歷史案例,為決策者提供更具參考價(jià)值的建議。

4 搭載知識圖譜的平臺構(gòu)建方法

4.1 基于圖數(shù)據(jù)庫和三元組的存儲方法

知識圖譜的存儲需要解決大規(guī)模、高并發(fā)、多模態(tài)數(shù)據(jù)的存儲問題。圖數(shù)據(jù)庫作為一種專門用于存儲圖結(jié)構(gòu)數(shù)據(jù)的數(shù)據(jù)庫,具有良好的擴(kuò)展性、高效性和易用性等特點(diǎn),適合作為知識圖譜的存儲方式。在數(shù)字孿生流域建設(shè)過程中使用知識圖譜存儲,可以選擇Neo4j,JanusGraph的圖數(shù)據(jù)庫作為存儲系統(tǒng)。圖4是結(jié)合Neo4j的圖數(shù)據(jù)庫構(gòu)建示例。

圖4 結(jié)合Neo4j的圖數(shù)據(jù)庫應(yīng)用示例Fig.4 Graph database application example with Neo4j integration

4.2 基于分布式的計(jì)算方法

知識圖譜的管理需要解決數(shù)據(jù)的處理、計(jì)算和分析等問題。基于分布式計(jì)算的知識圖譜管理方法可以充分利用計(jì)算資源,實(shí)現(xiàn)大規(guī)模知識圖譜的高效處理,如Hadoop,Spark,Flink等分布式計(jì)算框架進(jìn)行計(jì)算管理。

4.3 基于Web服務(wù)的訪問方法

知識圖譜的訪問需要提供統(tǒng)一的接口,以方便外部應(yīng)用的調(diào)用?；赪eb服務(wù)的知識圖譜訪問方法可以實(shí)現(xiàn)跨平臺、跨語言的數(shù)據(jù)訪問,提高知識圖譜的互操作性。在數(shù)字孿生流域領(lǐng)域,可以構(gòu)建如RESTful API的知識圖譜訪問服務(wù),實(shí)現(xiàn)對知識圖譜的查詢、修改和刪除等操作。

4.4 基于版本控制的維護(hù)方法

知識圖譜的維護(hù)需要解決數(shù)據(jù)的更新、修訂和版本管理等問題?；诎姹究刂频闹R圖譜維護(hù)方法可以追蹤知識圖譜的修改歷史,保證數(shù)據(jù)的一致性和完整性。在數(shù)字孿生流域建設(shè)過程中,可以借鑒Git版本控制系統(tǒng)的思想,實(shí)現(xiàn)對知識圖譜的版本管理。

5 白龍江流域知識拓?fù)鋱D平臺應(yīng)用

平臺硬件結(jié)構(gòu)方面,采用B/S架構(gòu),服務(wù)和數(shù)據(jù)庫部署在遠(yuǎn)端服務(wù)器,通過Web前端頁面進(jìn)行UI訪問或通過API進(jìn)行服務(wù)調(diào)用[13]。平臺軟件設(shè)計(jì)方面,分為以下3層:① 表示層?；赪eb前端GoJS(JavaScript和TypeScript庫)進(jìn)行設(shè)計(jì),旨在構(gòu)建交互式圖形界面,提升用戶平臺操作體驗(yàn),直觀形象展現(xiàn)內(nèi)容。② 業(yè)務(wù)層。包括讀取水利對象信息并進(jìn)行拓?fù)鋱D的繪制、查詢對象屬性和關(guān)聯(lián)信息、修改編輯等功能和提供拓展的應(yīng)用接口等。③ 數(shù)據(jù)層。存儲水利對象的屬性數(shù)據(jù)和關(guān)系結(jié)構(gòu)數(shù)據(jù),并保證數(shù)據(jù)質(zhì)量、查詢效率以及拓展性能。

白龍江位于甘肅省舟曲縣的西北部尕瓦山處流入舟曲縣境,徑流先往南方向,而后流經(jīng)曲瓦鎮(zhèn),之后轉(zhuǎn)向東南,經(jīng)巴藏鎮(zhèn)、立節(jié)鎮(zhèn)、憨班鎮(zhèn)、峰迭鎮(zhèn)、江盤鎮(zhèn)和舟曲縣城關(guān)鎮(zhèn)后,經(jīng)南峪鎮(zhèn)、大川鄉(xiāng)流入宕昌縣。圖5為平臺應(yīng)用中的流域拓?fù)鋱D模塊,以拓?fù)鋱D的形式對白龍江干流舟曲縣河段進(jìn)行了知識脈絡(luò)展示。拓?fù)鋱D分為節(jié)點(diǎn)和鏈接,分別代表著流域中水利對象和相關(guān)關(guān)系的映射,從白龍江上游流域?yàn)橐粋€(gè)節(jié)點(diǎn)起,以水流上下游關(guān)系和匯流關(guān)系作為鏈接線,連接起代古寺水電站到石門坪水電站之間的所有水利對象(各水電站)、防洪保護(hù)對象(各村莊城鎮(zhèn))、各小支流流域和相關(guān)河道關(guān)鍵斷面等,其中的每一個(gè)節(jié)點(diǎn)與每一條鏈接都存儲相關(guān)的索引,與數(shù)據(jù)層的對應(yīng)數(shù)據(jù)進(jìn)行綁定(比如地理位置,行政區(qū)劃,對象屬性等),可以通過點(diǎn)擊進(jìn)行數(shù)據(jù)查詢、切換顯示內(nèi)容、信息編輯等操作。該拓?fù)鋱D的可拓展性強(qiáng),能與知識圖譜動態(tài)對應(yīng),也能對節(jié)點(diǎn)、連線及其屬性進(jìn)行自定義。

通過知識拓?fù)鋱D,能快速掌握白龍江干流舟曲縣河段流域內(nèi)的空間聯(lián)系和水力水文聯(lián)系,更好地實(shí)行防洪措施、水資源調(diào)配和水利工程調(diào)度。

6 結(jié) 語

本文介紹了數(shù)字孿生流域的概念和知識圖譜的相關(guān)研究與構(gòu)建方法,以甘肅省白龍江干流舟曲縣河段流域?yàn)槔?在上游代古寺水電站到下游石門坪水電站的78 km沿河區(qū)間內(nèi),對其中的多個(gè)水電站、河道關(guān)鍵斷面、劃分子流域、防洪保護(hù)對象(城集鎮(zhèn))等進(jìn)行抽象概化。以拓?fù)鋱D中節(jié)點(diǎn)和鏈接分別代表對象(主、賓)和關(guān)系(謂)的形式,對這些水利對象及其之間的關(guān)聯(lián)關(guān)系(如上下游關(guān)系、匯流關(guān)系、所屬關(guān)系等)進(jìn)行了知識提取和梳理,映射成可視化、交互式的流域知識拓?fù)鋱D。

流域知識拓?fù)鋱D探索了知識圖譜在數(shù)字孿生流域的應(yīng)用新形式,其以河流為脈絡(luò),將物理流域概化映射到數(shù)字平臺上,直觀地展示流域內(nèi)的各類水利對象和相關(guān)的空間、水力、管理、行政等聯(lián)系,并且能對綁定的屬性等數(shù)據(jù)進(jìn)行查詢、修改,具有部署靈活、方便用戶訪問等優(yōu)勢,可在水資源管理、防洪、數(shù)字沙盤等方面提供支持。

7 展 望

數(shù)字孿生流域建設(shè)的新興性,以及它在結(jié)合知識圖譜應(yīng)用方面所展現(xiàn)出的創(chuàng)新價(jià)值,揭示了未來的研發(fā)方向應(yīng)進(jìn)一步拓寬并面臨著多方面的挑戰(zhàn)。為推動數(shù)字孿生流域和知識圖譜技術(shù)深度融合與持續(xù)發(fā)展,提出以下幾點(diǎn)展望。

(1) 提升數(shù)據(jù)規(guī)模與質(zhì)量。數(shù)字孿生流域未來將涉及大量不同類型的數(shù)據(jù),并且面臨數(shù)據(jù)異構(gòu)、不一致和不完整等問題。隨著數(shù)據(jù)的不斷積累和領(lǐng)域知識的更新,知識圖譜需要不斷地進(jìn)行動態(tài)維護(hù)和優(yōu)化。如何實(shí)現(xiàn)知識圖譜的自動化構(gòu)建與更新,確保其時(shí)效性和可靠性,以適應(yīng)流域管理的實(shí)時(shí)性需求,是亟待解決的問題。

(2) 進(jìn)行跨學(xué)科領(lǐng)域的知識融合與交流。數(shù)字孿生流域涉及水文學(xué)、氣象學(xué)、地理信息科學(xué)等多個(gè)學(xué)科領(lǐng)域。如何在知識圖譜中實(shí)現(xiàn)跨領(lǐng)域知識的融合以及促進(jìn)不同領(lǐng)域?qū)＜抑g的交流與合作,是知識平臺建設(shè)中需要克服的難題。

(3) 數(shù)據(jù)安全與保護(hù)。如何在知識庫構(gòu)建與應(yīng)用中平衡數(shù)據(jù)共享與數(shù)據(jù)保護(hù)的需求,以及如何確保知識圖譜中的數(shù)據(jù)和知識的合規(guī)性和倫理性,是在實(shí)際應(yīng)用過程中需要關(guān)注的問題。