面向數(shù)字孿生流域的知識平臺構(gòu)建關(guān)鍵技術(shù)

摘要：

數(shù)字孿生流域中的知識平臺需要支撐物理流域全映射與孿生流域可互動(dòng)等應(yīng)用要求。針對知識平臺中的水利知識圖譜、歷史場景模式、業(yè)務(wù)規(guī)則、專家經(jīng)驗(yàn)等建設(shè)內(nèi)容，提出了一種基于知識圖譜的數(shù)字孿生流域知識體系架構(gòu)。在該架構(gòu)中，利用圖模型描述業(yè)務(wù)場景中實(shí)體概念間的關(guān)聯(lián)關(guān)系，以事件為視角描述事件演化背后的機(jī)理與模式，以業(yè)務(wù)為導(dǎo)向形成業(yè)務(wù)-事件-要素間的關(guān)聯(lián)網(wǎng)絡(luò)，最終構(gòu)建形成全景式耦合網(wǎng)絡(luò)?；谌笆今詈暇W(wǎng)絡(luò)，進(jìn)一步建立了物理空間與數(shù)字空間、業(yè)務(wù)層與支撐層互動(dòng)關(guān)聯(lián)的閉環(huán)式應(yīng)用架構(gòu)。將此架構(gòu)應(yīng)用至數(shù)字孿生流域平臺中，以事件為驅(qū)動(dòng)，通過數(shù)據(jù)反饋形成決策閉環(huán)，從而達(dá)到支撐水利業(yè)務(wù)智能管理與決策的目的。

關(guān) 鍵 詞：

數(shù)字孿生； 知識圖譜； 計(jì)算機(jī)仿真； 智能模型； 閉環(huán)系統(tǒng)

中圖法分類號： TP391.9

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.03.035

0 引 言

中國河流眾多，近年來，氣候變化影響導(dǎo)致的洪水災(zāi)害頻繁發(fā)生，已成為造成人員傷亡的主要災(zāi)種［1］，能否妥善緩解洪水災(zāi)害事關(guān)社會的可持續(xù)發(fā)展。水利部部長李國英指出，智慧水利是水利高質(zhì)量發(fā)展的顯著標(biāo)志。水利部把推動(dòng)智慧水利建設(shè)作為新階段水利高質(zhì)量發(fā)展的6條重要路徑之一，數(shù)字孿生流域是智慧水利建設(shè)的核心和關(guān)鍵［2］。近期，水利部印發(fā)了《數(shù)字孿生流域建設(shè)技術(shù)大綱（試行）》《水利業(yè)務(wù)“四預(yù)”基本技術(shù)要求》等重要文件，為數(shù)字孿生流域建設(shè)給出了具體的指導(dǎo)性要求：以數(shù)字化場景、智慧化模擬、精準(zhǔn)化決策為路徑，通過在水利一張圖基礎(chǔ)上建設(shè)完善數(shù)字孿生平臺、提升信息基礎(chǔ)設(shè)施能力，逐步建成大江大河大湖及主要支流、重點(diǎn)流域和重點(diǎn)區(qū)域的數(shù)字孿生流域。

數(shù)字孿生技術(shù)產(chǎn)生于工業(yè)制造領(lǐng)域。1969年，美國國家航空航天局將該技術(shù)應(yīng)用于阿波羅計(jì)劃中，通過構(gòu)建航天飛行器的孿生體來模擬其在軌工作狀態(tài)，成功避免了阿波羅13號載人登月飛船的重大事故。2003年，美國密歇根大學(xué)Grieves教授將數(shù)字孿生理論化定義為通過集成多學(xué)科、多物理量、多尺度、多概率的仿真過程，其能夠反映物理實(shí)體的全生命周期演變，實(shí)現(xiàn)動(dòng)態(tài)物理世界在數(shù)字空間的同步映射［3］。2018年開始，英國劍橋大學(xué)Kraft教授領(lǐng)導(dǎo)的CARES研究團(tuán)隊(duì)研發(fā)了數(shù)字孿生英國平臺（UK Digital Twin），利用知識圖譜與智能體技術(shù)，分析多學(xué)科大數(shù)據(jù)，在虛擬空間建立鏡像世界與平行世界?；诖似脚_，開展了空氣質(zhì)量評估、小型核電站選址、新能源投資分析等具體應(yīng)用［4］。2020年，歐洲空間局啟動(dòng)了數(shù)字孿生地球項(xiàng)目，計(jì)劃擁有數(shù)字孿生地球系統(tǒng)各方面的數(shù)字副本，以監(jiān)測、分析、預(yù)測和保護(hù)地球［5］。相比于工業(yè)制造領(lǐng)域的數(shù)字孿生，面向自然的數(shù)字孿生構(gòu)建極具挑戰(zhàn)。首先，需要基于天空地一體化觀測數(shù)據(jù)與模擬模型，實(shí)現(xiàn)時(shí)空連續(xù)、高精度、多尺度的自然模擬；其次，需要考慮人類活動(dòng)對自然的影響，將溫室氣體排放、陸地植被變化、水資源管理決策等行為反映到自然孿生體中，通過分析人類活動(dòng)對自然模擬的影響，為人類行為提供決策依據(jù)。

相比于傳統(tǒng)的預(yù)報(bào)調(diào)度系統(tǒng)及數(shù)字流域平臺，以流域?yàn)閱卧獦?gòu)建數(shù)字孿生的難點(diǎn)在于：如何融合利用多領(lǐng)域多源數(shù)據(jù)與各類水利專業(yè)模型，針對實(shí)際流域情況和水利業(yè)務(wù)需求，自動(dòng)生成和推薦預(yù)報(bào)、預(yù)警、預(yù)演、預(yù)案（四預(yù)）應(yīng)用方案，在運(yùn)行過程中快速適應(yīng)各種流域變化，基于實(shí)時(shí)反饋實(shí)現(xiàn)系統(tǒng)的迭代優(yōu)化，提升模擬和決策的精準(zhǔn)性。因此，數(shù)字孿生流域要求建立知識平臺，將水利對象關(guān)聯(lián)、專家經(jīng)驗(yàn)、調(diào)度規(guī)則等靜態(tài)知識和在平臺運(yùn)行過程中持續(xù)挖掘獲得的動(dòng)態(tài)知識共同融入“四預(yù)”全流程，結(jié)合實(shí)際流域多源數(shù)據(jù)，以知識驅(qū)動(dòng)方案構(gòu)建、模型優(yōu)選、參數(shù)匹配、決策推薦等過程，減少平臺運(yùn)行過程中的人工參與，實(shí)現(xiàn)水利知識在流域業(yè)務(wù)過程中的智能應(yīng)用、沉淀生成和迭代優(yōu)化。

知識圖譜是構(gòu)建領(lǐng)域知識平臺的關(guān)鍵技術(shù)，包含知識表示、抽取、融合、推理和存儲等關(guān)鍵技術(shù)。將知識圖譜技術(shù)應(yīng)用于水利行業(yè)，既能為流域管理決策提供歸因分析、方案推薦等輔助支持，也可為方案編制和方案計(jì)算等應(yīng)用提供驅(qū)動(dòng)因子。相較而言，傳統(tǒng)的流域管理知識較為分散，缺乏統(tǒng)一整合和關(guān)聯(lián)應(yīng)用。流域防洪預(yù)案、典型水旱災(zāi)害事件的調(diào)度方案、專家經(jīng)驗(yàn)、水利工程調(diào)度規(guī)則等主要以文件檔案形式管理，難以在會商決策中及時(shí)調(diào)用和充分整合，對決策智能化的支撐不足。知識圖譜旨在利用圖模型來描述真實(shí)世界中存在的實(shí)體/概念間的關(guān)聯(lián)關(guān)系，其“實(shí)體、屬性、關(guān)系”的三元組結(jié)構(gòu)非常適合表達(dá)流域、河網(wǎng)、管網(wǎng)之間的網(wǎng)狀關(guān)系［6］。知識圖譜已經(jīng)被廣泛應(yīng)用于互聯(lián)網(wǎng)、診療、呼叫中心等領(lǐng)域，包括搜索、推薦、問答、自動(dòng)文本生成等，它擅長就復(fù)雜問題給業(yè)務(wù)人員提供知識賦能，也擅長作為載體把頂尖專家的能力傳遞給普通從業(yè)者［7］。引入知識圖譜技術(shù)構(gòu)建知識平臺不僅是數(shù)字孿生流域建設(shè)的必要方法，也是提高水利業(yè)務(wù)知識管理水平的有效途徑。本文提出了一種基于知識圖譜的數(shù)字孿生流域知識體系架構(gòu)。

將此架構(gòu)應(yīng)用至數(shù)字孿生流域平臺中，以事件為驅(qū)動(dòng)，通過數(shù)據(jù)反饋形成決策閉環(huán)，從而達(dá)到支撐水利業(yè)務(wù)智能管理與決策的目的。

1 知識平臺建設(shè)目標(biāo)及總體架構(gòu)

1.1 建設(shè)目標(biāo)

知識平臺是數(shù)字孿生流域平臺中的重要組成部分，具體包括水利知識圖譜、歷史場景模式、業(yè)務(wù)規(guī)則、專家經(jīng)驗(yàn)和水利知識引擎。通過建設(shè)覆蓋水利部本級、流域管理機(jī)構(gòu)和省級水利部門、工程管理單位的知識平臺，建立真實(shí)世界中的江河水系、水利工程和人類活動(dòng)等實(shí)體、概念及其關(guān)系，沉淀模型、算法和經(jīng)驗(yàn)，形成水利數(shù)據(jù)與業(yè)務(wù)的整體知識架構(gòu)語義網(wǎng)絡(luò)，實(shí)現(xiàn)跨業(yè)務(wù)知識融合和能力展現(xiàn)。

1.2 總體架構(gòu)

面向知識平臺建設(shè)目標(biāo)，本文提出了一種基于知識圖譜技術(shù)的水利知識體系架構(gòu)，總體架構(gòu)如圖1所示。該架構(gòu)以外部信息（基礎(chǔ)數(shù)據(jù)、監(jiān)測數(shù)據(jù)、行業(yè)數(shù)據(jù)等）與內(nèi)部經(jīng)驗(yàn)（專業(yè)模型、專家知識、歷史模式、規(guī)則預(yù)案等）為輸入，通過圖譜實(shí)現(xiàn)外部信息和內(nèi)部經(jīng)驗(yàn)的規(guī)范化和精細(xì)化的組合。其中，外部信息經(jīng)過處理可形成水利管理對象關(guān)系圖譜；內(nèi)部經(jīng)驗(yàn)經(jīng)過處理可指導(dǎo)形成事理圖譜和服務(wù)于推理的規(guī)則庫；融合水利管理對象關(guān)系圖譜、事理圖譜和規(guī)則庫，生成全景式耦合網(wǎng)絡(luò)。在全景式耦合網(wǎng)絡(luò)上構(gòu)建基于數(shù)據(jù)和事件的推理框架，融入模型算法、歷史場景模式匹配、專家經(jīng)驗(yàn)等方法，最終形成完整的智能決策推理系統(tǒng)。

基于全景式耦合網(wǎng)絡(luò)，可建立物理空間與數(shù)字空間、業(yè)務(wù)層與支撐層互動(dòng)關(guān)聯(lián)的閉環(huán)式應(yīng)用架構(gòu)，如圖2所示。位于物理空間支撐層的是物理事物，表示現(xiàn)實(shí)世界中的事物，包括物理業(yè)務(wù)、物理模型、物理機(jī)理與經(jīng)驗(yàn)和物理實(shí)體與關(guān)系。業(yè)務(wù)是一個(gè)行業(yè)中的組織，通過信息交互實(shí)現(xiàn)明確目的的一系列過程，在領(lǐng)域中，物理業(yè)務(wù)表示為處理一系列事務(wù)的邏輯以及業(yè)務(wù)間互相轉(zhuǎn)移的邏輯關(guān)聯(lián)關(guān)系。物理模型描述事務(wù)的運(yùn)行處置邏輯，若干個(gè)物理模型構(gòu)成物理業(yè)務(wù)。物理機(jī)理與經(jīng)驗(yàn)描述物理空間中事件的演化規(guī)律和人為總結(jié)的經(jīng)驗(yàn)，事件是自然發(fā)生的或受到人為干預(yù)的現(xiàn)象。物理實(shí)體與關(guān)系表示物理空間中與領(lǐng)域相關(guān)的對象實(shí)體與它們在不同業(yè)務(wù)下存在的不同關(guān)聯(lián)關(guān)系。

位于數(shù)字孿生支撐層的是映射矩陣，作用是將物理事物與全景式耦合網(wǎng)絡(luò)形成實(shí)時(shí)映射關(guān)系，支撐在數(shù)字空間中對物理流域的同步全映射。

全景式耦合網(wǎng)絡(luò)位于數(shù)字空間支撐層，基于知識圖譜對信息的組織方式，表示數(shù)字世界中的事物，包括主題圖譜與邏輯、專業(yè)與智能模型、事理圖譜與場景模式和基礎(chǔ)對象關(guān)系圖譜。其中，主題圖譜與邏輯是物理業(yè)務(wù)在數(shù)字空間的映射，是以業(yè)務(wù)為導(dǎo)向、以主題分析為目標(biāo)，基于業(yè)務(wù)中的主題邏輯關(guān)系所形成的業(yè)務(wù)-主題-要素相關(guān)聯(lián)的語義網(wǎng)絡(luò)。例如，針對流域防洪業(yè)務(wù)，可分解為降雨、產(chǎn)流、匯流、演進(jìn)等多個(gè)主題，主題之間存在邏輯關(guān)系，各主題內(nèi)所包含的要素也存在邏輯關(guān)系。專業(yè)與智能模型是物理模型在數(shù)字空間的映射。通過對主題或要素進(jìn)行建模，使用對象信息、事理知識與場景信息解決領(lǐng)域中的復(fù)雜問題。事理圖譜與場景模式是物理機(jī)理與經(jīng)驗(yàn)在數(shù)字空間的映射，用以描述事件概念間的定性定量關(guān)系場景中普遍存在的事件演化關(guān)系。這里將場景定義為一系列事件間相互作用、演化的相對獨(dú)立的時(shí)空范圍。例如，通過挖掘分析歷史場次洪水中的暴雨特征、洪水特征及兩者的關(guān)聯(lián)，可形成暴雨洪水模式庫?；A(chǔ)對象關(guān)系圖譜是物理實(shí)體與關(guān)系在數(shù)字空間的映射，用以表示在不同主題下對象間的關(guān)聯(lián)關(guān)系，是構(gòu)建事件與場景的最小單元。

數(shù)字空間業(yè)務(wù)層主要支撐孿生流域的互動(dòng)性，使用全景式耦合網(wǎng)絡(luò)作為信息支撐進(jìn)行智能計(jì)算，為決策調(diào)度提供有效方案，包括事前預(yù)警、歸因溯源、預(yù)測模擬和方案優(yōu)化。事前預(yù)警能主動(dòng)或超前觸發(fā)預(yù)演分析和決策支撐，為及時(shí)開展決策提供服務(wù)。歸因溯源用于分析事件發(fā)生機(jī)理和過程，既能輔助預(yù)演，也為決策結(jié)果提供可信的證據(jù)。預(yù)測模擬需通過模型模擬的不斷校正和優(yōu)化，保持?jǐn)?shù)字空間中流域狀態(tài)與物理空間中流域狀態(tài)的一致性，進(jìn)而做出準(zhǔn)確的預(yù)測以指導(dǎo)預(yù)演。方案優(yōu)化自動(dòng)形成決策調(diào)度的最優(yōu)方案，能減少人工分析預(yù)演結(jié)果代價(jià)、提高效率，這是智能預(yù)演的重要目標(biāo)。

位于數(shù)字孿生業(yè)務(wù)層的是協(xié)同交互，其作用是將智能預(yù)演結(jié)果傳遞給人工決策調(diào)度，并將人工調(diào)整參數(shù)返回給智能預(yù)演進(jìn)行迭代優(yōu)化，實(shí)現(xiàn)雙向交互，達(dá)到?jīng)Q策方案迭代優(yōu)化的效果，解決了一致性問題。

位于物理空間業(yè)務(wù)層的是決策調(diào)度，主要通過人工參與、智能預(yù)演相結(jié)合的方式進(jìn)行有效決策，最終通過動(dòng)態(tài)反饋機(jī)制對現(xiàn)實(shí)世界中的物理事物進(jìn)行干預(yù)。包括行動(dòng)選擇、系統(tǒng)分析、問題診斷和問題識別，分別對應(yīng)智能預(yù)演中的事前預(yù)警、歸因溯源、預(yù)測模擬和方案優(yōu)化。

2 知識平臺關(guān)鍵技術(shù)

管理與決策的智能取決于外部的信息和內(nèi)部的經(jīng)驗(yàn)。因此，需要在全景式耦合網(wǎng)絡(luò)上構(gòu)建基于數(shù)據(jù)和事件的推理框架，融入模型算法、歷史場景模式匹配、專家經(jīng)驗(yàn)等方法，最終形成完整的智能決策推理系統(tǒng)，以事件為驅(qū)動(dòng)，以數(shù)據(jù)反饋形成決策閉環(huán)。其中的關(guān)鍵技術(shù)包括全景式耦合網(wǎng)絡(luò)構(gòu)建、基于知識的智能預(yù)演和數(shù)字孿生映射矩陣設(shè)計(jì)。

2.1 全景式耦合網(wǎng)絡(luò)構(gòu)建

知識統(tǒng)一表示模型以統(tǒng)一的形式刻畫知識及其關(guān)聯(lián)，致力于解決數(shù)據(jù)來源廣、類型多、體系雜等問題。但大數(shù)據(jù)包含豐富的程序性、概念性和事實(shí)性知識，如何表示這些知識的層次與關(guān)聯(lián)是知識統(tǒng)一表示模型亟待解決的問題。知識圖譜是關(guān)聯(lián)知識、表示知識、管理知識的有效模型。全景式耦合網(wǎng)絡(luò)以知識圖譜為理論支撐，刻畫知識體系，能作為數(shù)字孿生流域平臺的大腦發(fā)揮指揮作用［8］。它由主題圖譜與邏輯、專業(yè)與智能模型、事理圖譜與場景模式和基礎(chǔ)對象關(guān)系圖譜組成。一個(gè)全景式耦合網(wǎng)絡(luò)的例子如圖3所示，其描述了某場降雨形成的河道水污染演化的過程。

2.1.1 基礎(chǔ)對象關(guān)系圖譜

基礎(chǔ)對象關(guān)系圖譜利用圖模型來描述業(yè)務(wù)場景中存在的實(shí)體/概念間的關(guān)聯(lián)關(guān)系。它能靈活表示和關(guān)聯(lián)概念性知識和事實(shí)性知識，耦合多源異質(zhì)數(shù)據(jù)，因此基礎(chǔ)對象關(guān)系圖譜是全景式耦合網(wǎng)絡(luò)的基礎(chǔ)構(gòu)件。該圖譜構(gòu)建的關(guān)鍵在于利用人、機(jī)、物融合的數(shù)據(jù)采集網(wǎng)絡(luò)，獲取流域水資源多源異構(gòu)數(shù)據(jù)，研究本體建模、知識抽?。?］、知識融合、知識更新、知識存儲［10］、知識推理等技術(shù)［11-13］，構(gòu)建基于水資源管理領(lǐng)域認(rèn)知框架的對象關(guān)系圖，支撐流域狀態(tài)全面動(dòng)態(tài)感知。

2.1.2 事理圖譜與場景模式

基礎(chǔ)對象關(guān)系圖譜主要是以水利對象實(shí)體及其屬性和關(guān)系為核心，缺乏對業(yè)務(wù)相關(guān)事件及其事理邏輯等知識的刻畫。事理圖譜是一個(gè)事理邏輯知識庫，描述了事件之間的演化規(guī)律和模式。結(jié)構(gòu)上，事理圖譜是一個(gè)有向有環(huán)圖，節(jié)點(diǎn)代表事件，有向邊代表事件之間的時(shí)序、因果、條件和上下位等邏輯關(guān)系。理論上，事理圖譜中的事件是具有一定抽象程度的泛化事件。這些事件可以表示為抽象、語義完備的謂詞性詞或詞組，也可以表示為可變長度的、結(jié)構(gòu)化的（主體，事件詞，客體）多元組。

事理圖譜的構(gòu)建可分為事件抽取、場景模式庫構(gòu)建和事理規(guī)則挖掘三部分。事件抽取主要基于非結(jié)構(gòu)化數(shù)據(jù)，采用模式匹配、機(jī)器學(xué)習(xí)等方法挖掘出事件所對應(yīng)的時(shí)空數(shù)據(jù)。場景模式庫構(gòu)建主要基于時(shí)間序列分割與聚類方法先生成場景，通過挖掘時(shí)間序列間的關(guān)聯(lián)規(guī)則形成場景中的典型模式。事理規(guī)則挖掘主要基于機(jī)器學(xué)習(xí)方法，通過挖掘歷史事件中的事件轉(zhuǎn)移概率，形成事件演化規(guī)則。由于大數(shù)據(jù)存在時(shí)空異質(zhì)性，如何生成自適應(yīng)多時(shí)空場景的事理圖譜與場景模式是其能應(yīng)用到實(shí)際業(yè)務(wù)的關(guān)鍵［14］。其中，事理圖譜構(gòu)建的關(guān)鍵技術(shù)包括基于模型的圖譜節(jié)點(diǎn)組織技術(shù)、基于機(jī)理模型的流域決策推理技術(shù)、模型要素與實(shí)體屬性關(guān)聯(lián)關(guān)系挖掘技術(shù)等。

2.1.3 主題圖譜與邏輯

主題圖譜與邏輯是以業(yè)務(wù)為導(dǎo)向、以主題分析為系統(tǒng)功能目標(biāo)，形成的業(yè)務(wù)-主題-要素的層次關(guān)聯(lián)網(wǎng)絡(luò)。其由數(shù)據(jù)驅(qū)動(dòng)，事件觸發(fā)自動(dòng)切換主題，實(shí)現(xiàn)自動(dòng)化業(yè)務(wù)分析與聚焦。構(gòu)建的關(guān)鍵點(diǎn)在于如何從大數(shù)據(jù)中自動(dòng)挖掘?qū)哟沃黝}、形成動(dòng)態(tài)主題關(guān)聯(lián)，以及主題與要素的關(guān)聯(lián)［15］。

2.1.4 專業(yè)與智能模型

以實(shí)現(xiàn)預(yù)報(bào)、預(yù)演模擬目標(biāo)而構(gòu)建的復(fù)雜模型，其模型構(gòu)建本身不在圖譜構(gòu)建范圍內(nèi)，關(guān)鍵點(diǎn)在于如何將模型要素與圖譜中對象進(jìn)行關(guān)聯(lián)，以自動(dòng)調(diào)用模型進(jìn)行演算。

2.2 基于知識的智能預(yù)演

基于知識的智能預(yù)演能利用全景式耦合網(wǎng)絡(luò)在統(tǒng)一表示模型方面的優(yōu)勢，聚合海量數(shù)據(jù)，以數(shù)據(jù)驅(qū)動(dòng)的方式自動(dòng)生成推演結(jié)果并形成優(yōu)化方案。但大數(shù)據(jù)存在多源異質(zhì)的問題，且決策方案不能僅僅限制于單一時(shí)空場景中，因此通過使用基于因果關(guān)系發(fā)現(xiàn)的事件歸因方法、基于深度學(xué)習(xí)的事件預(yù)測、基于時(shí)空特征模式庫的決策方案生成和優(yōu)化、基于多目標(biāo)學(xué)習(xí)和博弈論的方案仿真與評估等一系列方法，最終形成全空間、多過程、多情景、多維度的決策方案。智能預(yù)演由方案優(yōu)化、預(yù)測模擬、歸因溯源和事前預(yù)警組成，描述智能預(yù)演的模塊運(yùn)行邏輯如圖4所示。

2.2.1 事前預(yù)警

事前預(yù)警能主動(dòng)或超前觸發(fā)預(yù)演系統(tǒng)，是保證即時(shí)性的關(guān)鍵?，F(xiàn)有的預(yù)警系統(tǒng)存在功能匹配性低、擴(kuò)展性差的問題［16］。因此，事件預(yù)警的關(guān)鍵在于可擴(kuò)展性，要能與全景式耦合網(wǎng)絡(luò)有效關(guān)聯(lián)，自動(dòng)從網(wǎng)絡(luò)中獲取實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)警。

2.2.2 歸因溯源

分析事件發(fā)生的機(jī)理和過程是輔助預(yù)演模擬、增加系統(tǒng)可信度的重要方法。發(fā)現(xiàn)事物間潛在的因果關(guān)系是眾多科學(xué)研究的終極目標(biāo)［17］。然而現(xiàn)實(shí)中海量實(shí)體以及匱乏的數(shù)據(jù)使人工發(fā)現(xiàn)因果關(guān)系幾乎不可行。但大數(shù)據(jù)時(shí)代的到來，使從數(shù)據(jù)中挖掘因果關(guān)系成為可能。為此可使用基于因果關(guān)系溯源的事件歸因方法進(jìn)行反向的歸因溯源，此方法實(shí)施的關(guān)鍵在于如何應(yīng)對大數(shù)據(jù)的異質(zhì)非平穩(wěn)特征［18］。

2.2.3 預(yù)測模擬

預(yù)測模擬用于預(yù)測未來出現(xiàn)的事件，正向模擬事件發(fā)展過程，為決策提供參考。大數(shù)據(jù)包含豐富的時(shí)空特征，使用神經(jīng)網(wǎng)絡(luò)能捕獲數(shù)據(jù)的時(shí)空特征，為基于深度學(xué)習(xí)進(jìn)行事件預(yù)測提供了可能。此方法的關(guān)鍵在于如何使用合適的深度學(xué)習(xí)模型對數(shù)據(jù)特征進(jìn)行建模，以實(shí)現(xiàn)準(zhǔn)確預(yù)測［19-20］。

2.2.4 方案優(yōu)化

在方案優(yōu)化中，以決策支撐為目標(biāo)，利用時(shí)空特征模式庫實(shí)現(xiàn)基于歷史信息的場景匹配和決策推薦，基于多目標(biāo)學(xué)習(xí)和博弈論實(shí)現(xiàn)復(fù)雜場景中的決策方案動(dòng)態(tài)生成和迭代優(yōu)化。

歷史信息是決策調(diào)度的重要參考，時(shí)空特征模式庫能有效利用歷史場景［14，21］，因此基于時(shí)空特征模型庫能有效生成與優(yōu)選決策方案。流域大數(shù)據(jù)的時(shí)空數(shù)據(jù)產(chǎn)生機(jī)制是動(dòng)態(tài)的，如何適應(yīng)動(dòng)態(tài)變化的數(shù)據(jù)產(chǎn)生機(jī)制是時(shí)空特征模式庫構(gòu)建的關(guān)鍵。

決策調(diào)度目標(biāo)不是單一的，還涉及社會經(jīng)濟(jì)、生態(tài)等一系列目標(biāo)，因此決策方案是一系列目標(biāo)的綜合考量。使用多目標(biāo)學(xué)習(xí)和博弈論方法能解決多目標(biāo)、多方案、不確定性規(guī)劃問題，這其中如何優(yōu)化帕累托解集、提高可擴(kuò)展性與博弈規(guī)則是此方法的關(guān)鍵。

2.3 數(shù)字孿生映射矩陣設(shè)計(jì)

映射矩陣將物理事物與全景式耦合網(wǎng)絡(luò)形成實(shí)時(shí)映射關(guān)系，是保證知識平臺正常運(yùn)行的關(guān)鍵。大數(shù)據(jù)時(shí)代海量動(dòng)態(tài)數(shù)據(jù)的集成建模成為關(guān)鍵基礎(chǔ)技術(shù)問題，如何構(gòu)建動(dòng)態(tài)性、集成性、可擴(kuò)展的數(shù)字孿生模型是關(guān)鍵所在［22-24］。此外，映射矩陣與全景式耦合網(wǎng)絡(luò)息息相關(guān)，因此另一個(gè)關(guān)鍵點(diǎn)是基礎(chǔ)對象關(guān)系圖譜中如何對物理事物的本體進(jìn)行定義，從而實(shí)現(xiàn)實(shí)時(shí)映射［25-26］。

2.4 面向智能預(yù)演的協(xié)同交互技術(shù)

協(xié)同交互是支撐預(yù)演場景構(gòu)建和預(yù)演數(shù)據(jù)挖掘的重要技術(shù)。在預(yù)演場景構(gòu)建中，需要根據(jù)業(yè)務(wù)需求區(qū)分虛擬化場景要素與非虛擬化場景要素，通過融合這兩種要素形成虛實(shí)共存的數(shù)字化預(yù)演場景。其中，非虛擬化要素是模擬流域?qū)嶋H情況的場景要素；虛擬化場景要素包括可預(yù)設(shè)的水情、雨情等自然要素和調(diào)度目標(biāo)、調(diào)度方案等人工干預(yù)要素。通過人機(jī)交互實(shí)現(xiàn)虛擬化與非虛擬化要素的組合，進(jìn)而支撐多場景中的智能預(yù)演。針對以上需求，首先需要研究虛擬化場景要素生成技術(shù)，通過對要素進(jìn)行賦值，可生成包含歷史場次洪水、超標(biāo)準(zhǔn)洪水及其他遭遇情景在內(nèi)的多種預(yù)演場景。其次，需要研究虛實(shí)要素之間的約束關(guān)系，使得預(yù)演場景符合客觀自然規(guī)律。

多種虛實(shí)共存場景中的預(yù)演會產(chǎn)生海量的預(yù)演數(shù)據(jù)。在預(yù)演過程中，專家也會根據(jù)經(jīng)驗(yàn)對預(yù)演方案進(jìn)行修正。因此，需要針對海量預(yù)演數(shù)據(jù)開展知識挖掘，將不同雨水工情場景中的調(diào)度方案、專家決策、預(yù)演結(jié)果進(jìn)行分析和關(guān)聯(lián)，為業(yè)務(wù)應(yīng)用提供流域場景快速匹配、調(diào)度方案自動(dòng)推薦等功能。

3 結(jié) 語

本文圍繞數(shù)字孿生流域中知識平臺建設(shè)目標(biāo)，針對多業(yè)務(wù)場景中的智能管理與決策應(yīng)用需求，提出了一種基于知識圖譜的知識體系架構(gòu)，通過構(gòu)建水利管理對象關(guān)系圖譜、事理圖譜、場景模式庫，最終形成全景式耦合網(wǎng)絡(luò)。該結(jié)構(gòu)可以全面、高效地表征各類數(shù)據(jù)等外部信息和模型，以及經(jīng)驗(yàn)、歷史場景等內(nèi)部經(jīng)驗(yàn)中所蘊(yùn)含的知識，從而實(shí)現(xiàn)水利數(shù)據(jù)跨層級、跨地域、跨系統(tǒng)、跨部門、跨業(yè)務(wù)的融合和算法及經(jīng)驗(yàn)沉淀。該體系不僅可以支撐物理流域的全映射，也能夠面向“四預(yù)”功能需求，實(shí)現(xiàn)事前預(yù)警、歸因溯源、預(yù)測模擬和方案優(yōu)化等智能應(yīng)用，支撐孿生流域的互動(dòng)需求。

參考文獻(xiàn)：

［1］ 朱躍龍，李致家，劉志雨，等.基于數(shù)據(jù)挖掘與驅(qū)動(dòng)的中小河流洪水預(yù)報(bào)［M］.南京：河海大學(xué)出版社，2020.

［2］ 水利部.李國英主持召開水利部推動(dòng)新階段水利高質(zhì)量發(fā)展領(lǐng)導(dǎo)小組會議［J］.中國水利，2022（8）：6-7.

［3］ GRIEVES M W.Product lifecycle management：the new paradigm for enterprises［J］.International Journal of Product Development，2005，2（1-2）：71-84.

［4］ AKROYD J，MOSBACH S，BHAVE A，et al.Universal digital twin：a dynamic kmivledge graph［J］.Data-Centric Engineering，2021，2：e14.

［5］ BAUER P，STEVENS B，HAZELEGER W.A digital twin of earth for the green transition［J］.Nature Climate Change，2021，11（2）：80-83.

［6］ 劉飛.AI賦能，感知每一滴水［EB/OL］.（2020-05-12）［2022-07-30］.https：∥www.zhihuichengshi.cn/xinwentuiguang/45139.html.

［7］ SINGHAL A.Introducing the knowledge graph：things，not strings［EB/OL］.（2012-05-16）［2021-04-13］.https：∥blog.google/products/search/introducing-knowledge-graph-things-not/.

［8］ 馮鈞，朱躍龍.知識圖譜研究與領(lǐng)域?qū)嵺`［M］.北京：人民郵電出版社，2022.

［9］ 馮鈞，王云峰，鄔煒，等.城市內(nèi)澇事理圖譜構(gòu)建方法及應(yīng)用［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（6）：479-487.

［10］ LU J，YANG C，WANG B，et al.FP-ExtVP：accelerating distributed SPARQL queries by exploiting load-adaptive partitioning［C］∥2020 IEEE International Conference on Big Data（Big Data）.Piscataway：IEEE，2020：543-550.

［11］ 馮鈞，徐新，陸佳民.水利信息知識圖譜的構(gòu)建與應(yīng)用［J］.計(jì)算機(jī)與現(xiàn)代化，2019（9）：35-40.

［12］ 馮鈞，杭婷婷，陳菊，等.領(lǐng)域知識圖譜研究進(jìn)展及其在水利領(lǐng)域的應(yīng)用［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，49（1）：26-34.

［13］ 杭婷婷，馮鈞，陸佳民.知識圖譜構(gòu)建技術(shù)：分類、調(diào)查和未來方向［J］.計(jì)算機(jī)科學(xué)，2021，48（2）：175-189.

［14］ 馮鈞，郭濤，陳志飛.基于模式挖掘的中小河流暴雨洪水模式庫［J］.計(jì)算機(jī)與現(xiàn)代化，2018（12）：32-39，121.

［15］ HANG T，F(xiàn)ENG J，WU Y，et al.Joint extraction of entities and overlapping relations using source-target entity labeling［J］.Expert Systems with Applications，2021，177：114853.

［16］ 許峰，戚榮志.防汛防旱預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.水利信息化，2012（5）：4-8.

［17］ 苗旺，劉春辰，耿直.因果推斷的統(tǒng)計(jì)方法［J］.中國科學(xué)：數(shù)學(xué)，2018，48（12）：1753-1778.

［18］ HUANG B，ZHANG K，ZHANG J，et al.Causal discovery from heterogeneous/nonstationary data［J］.Journal of Machine Learning Research，2020，21（89）：1-53.

［19］ YAN L，F(xiàn)ENG J，HANG T，et al.Flow interval prediction based on deep residual network and lower and upper boundary estimation method［J］.Applied Soft Computing，2021，104：107228.

［20］ DING Y，ZHU Y，F(xiàn)ENG J，et al.Interpretable spatio-temporal attention LSTM model for flood forecasting［J］.Neurocomputing，2020，403：348-359.

［21］ 巫義銳，汪浩航，魏大保，等.時(shí)空多特征流域場景模式庫構(gòu)建方法［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（6）：514-520.

［22］ 鄭孟蕾，田凌.基于時(shí)序數(shù)據(jù)庫的產(chǎn)品數(shù)字孿生模型海量動(dòng)態(tài)數(shù)據(jù)建模方法［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，61（11）：1281-1288.

［23］ 馮鈞，徐維綱，馮讀慶，等.面向海量水利數(shù)據(jù)的索引方法研究［J］.計(jì)算機(jī)與現(xiàn)代化，2017（10）：29-35，41.

［24］ 馮鈞，許瀟，唐志賢，等.水利大數(shù)據(jù)及其資源化關(guān)鍵技術(shù)研究［J］.水利信息化，2013（4）：6-9.

［25］ 馮鈞，唐志賢，朱躍龍，等.水利信息資源目錄服務(wù)元數(shù)據(jù)定義研究［J］.水利信息化，2011（增1）：19-22.

［26］ 馮鈞，唐志賢，黃如春，等.水利信息資源元數(shù)據(jù)管理方法研究［J］.水利信息化，2011（5）：1-4，15.

（編輯：鄭 毅）

Key technology of knowledge platform for digital twin basins

FENG Jun1，2，ZHU Yuelong1，2，WANG Yunfeng1，2，ZHOU Siyuan1，2

（1.Key Laboratory of Water Big Data Technology of Ministry of Water Resources，Hohai University，211100 Nanjing，China； 2.School of Computer and Information College，Hohai University，211100 Nanjing，China）

Abstract：

The knowledge platform in digital twin basins needs to support application requirements such as full mapping of physical basins and interactivity of twin basins.A knowledge system architecture of digital twin basins based on knowledge graphs is proposed for the construction of water knowledge graphs，historical scenario models，application rules，and expert experience in the knowledge platform.Among them，the graph model is used to describe the association relationship between entity concepts in business scenarios，the mechanism and pattern behind the evolution of events are described from the perspective of events，and the business-oriented association network between business-events-elements is formed，and finally a panoramic coupling network is constructed.Based on the panoramic coupling network，we further establish a closed-loop application architecture that interacts physical and digital space，and business and support layers.This architecture is applied to the digital twin basin platform，which is event-driven and forms a closed loop for decision-making through data feedback to support intelligent management and decision-making in the water resources business.

Key words：

digital twin；knowledge graph；computer simulation；intelligent modeling；closed-loop system