大数据信息技术在水利管理中的运用

郝 静 郝新颖

（青州市水利建筑总公司，山东 青州 262500）

0 引言

水利工程作为1项基础民生工程，对于保障国计民生，促进社会稳定与经济高质量发展发挥了重要的作用。现阶段，科技创新已经上升到国家战略发展层面，加强科技在民生工程领域的应用，是我国建设科技创新型国家的重要内容。因此，积极探索大数据信息技术在水利工程管理中的有效运用路径，是深化水利改革，推动水利现代化建设的必然途径。在水利工程建设过程中，所涉及的数据类型多样，规模庞大，其蕴含巨大的数据价值，对于全面提升水利管理质量发挥着重要作用[1]。2017年，水利部印发了《关于推进水利大数据发展的指导意见》，进一步推动水利大数据发展，要求水利管理中科学运用水利工程大数据，深入挖掘数据在水利工程管理与运行中的重要机制，从而为水利管理决策提供强有力支持，推进水利工程精细化管理。

1 水利工程大数据特征

目前，我国大数据及相关信息技术在各行业领域的应用不断扩大并向深度融合方向发展，进一步完善了大数据概念，并明确了大数据具有海量规模、快速流动、类型多样和数据挖掘价值高的数据特征，为我们判断大数据提供了标准[2]。

对于水利工程来说，其涉及的要素众多，从工程建设对象来看，水利工程包括水库、闸门、管道以及泵站等；从工程运行管理来看，水利工程除了包括一般工程的质量、安全、进度以及资金管理等内容，同时还包括对水情、水质和环境等各个要素的管理。因此，水利工程管理所涉及的数据具有显著的复杂特征，其来源多样，类型复杂，更新实时，符合大数据特征[3]。具体来说，水利工程具有数据海量，来源及类型多样；数据持续增长，挖掘价值较高；数据动态变化，具有较强实时性；数据相互影响，联系紧密等特征。

1.1 数据海量，来源及类型多样

从水利工程管理涉及的众多要素来看，其产生的工程数据具有来源广泛、类型多样的特点，并且在工程运行的各个阶段，每秒计所产生的检测数据都是海量的。尤其是当前BIM技术在水利工程建设与管理中的广泛应用，构建了大量的工程模型构件，产生了大量的BIM模型数据。此外，在水利工程管理运行中，涉及的管理、调度、运维等各个环节的数据量同样非常可观，数据增长量迅速，具有显著的大数据特征。

1.2 数据持续增长，挖掘价值较高

当前，水利工程建设中信息技术的应用范围越来越广泛，信息化建设几乎覆盖了工程建设运行的各个环节。因此，在工程建设运行的过程中，建立了越来越完善的监测指标，监测密度不断增加。相应的，水利工程建设运行的数据增长速度也会随之不断提升，并且由于数据越来越全面，数据可分析与挖掘的价值越来越高，能够为水利工程建设管理相关决策提供可靠的依据。

1.3 数据动态变化，实时性强

在水利工程管理中，涉及对水情、水质、环境等方面的监测与管理，而在针对这些要素的监测过程中，所产生的数据具有显著的动态化特征。例如，在水情、水环境的监测中，不同时间、空间的分布，其监测数据都会存在明显的变化，并呈现一定的规律。同时，水利工程BIM模型中，也存在很明显的时空分布特征，随着工程进展，BIM模型需要随之进行调整与完善。例如，在泵站工程对象建设中，从设计到竣工的工程阶段，BIM模型状态是不同的。此外，水利工程不同于一般建筑工程，对数据的实时性和准确性要求非常高，尤其是在工程安全、质量和调度等监测数据方面，要求数据准确并实时更新，从而判断工程运行的情况，做好应急预案准备。

1.4 数据相互影响，联系紧密

不同类型的水利工程数据之间相互影响，紧密相关的关系。例如工程标准划分、施工环境、气象条件和设备状况等工程数据直接影响工程进度的数据；工程设计参数、水情雨情和水文地质条件等相关数据直接关系到工程险情数据。由此可见，水利工程数据之间息息相关，相互影响性与关联性非常高，数据关系复杂。

2 水利工程大数据的构建

2.1 水利工程大数据的分类

利用大数据信息技术构建水利工程大数据中，首先要根据工程实际制定统一规范的工程对象分级标准、编码标准以及建立数据资源模型标准等，并在遵循标准的基础上构建大数据体系，以便于后期实施数据管理。

工程对象分级标准：首先要明确工程对象，并根据其是主体或辅助分成工程主体、工程辅助设施两级分类。其次，对各类工程对象进行分级划分，工程主体包括水库、泵站、管道和闸门等二级工程对象；工程辅助设施包括工程机电、金属结构和消防等二级工程对象。

工程对象编码标准：在水利工程管理中，根据业务精细化管理需求，对具体管理内容及实体归属层级进行编码。在制定编码体系过程中，注意编码体系分级细化，按照特征码、标段码、工区码、大类码、工艺位置码、感知对象、感知单元、感知项等级别由大到小进行细分，从而能够编码快速确定工程、标段、工区、数据类型、人员和人员定位等详细信息。

数据资源模型标准：按照工程对象标识和属性特征进行数据划分，从而提高数据结构的灵活性，有效剔除冗余数据，并加强对数据之间的管理。其中，工程对象标识是唯一本体，数据之间的相关特征则通过工程对象属性表达，例如存在的基本数据、业务数据、空间数据、BIM数据属性。工程对象标识、属性都可能存在时相特征，如图1所示。

图1 数据资源模型标准图

2.2 水利工程大数据的构成

在水利工程建设运行中，现代信息技术的应用为工程管理与运行的稳定性提供了有效支持，并逐渐积累形成海量的工程数据。这些数据蕴含了巨大的价值，为水利管理提供了重要依据，成为水利工程大数据的主要组成[4]。其中包括基础数据、空间数据和BIM数据，以及具体业务数据中的工程管理、监测、调度运行和信息数据等数据类型。

基础数据：水利工程基础信息，包括建设及相关参建单位以及工程具体信息，包括工程标段、单位工程、水利工程和监测站点等基础数据信息。

空间数据：工程基础地理信息，包括泵站、水库和水闸等工程地理信息，以及水利工程测绘信息，包括卫星遥感影像、无人机倾斜摄影等相关影像数据。

BIM数据：主要是水利工程各类工程的BIM模型数据，包括工程挡水、输水和导流等建筑物模型数据、边坡工程模型数据等。在BIM模型数据中，覆盖工程范围广泛，类型多样，并且为保障BIM模型与工程实际相符合，BIM模型数据涉及更高层次数据精度标准，具有完整性、统一性、系统性和准确性。

业务数据：工程管理数据，如工程进度、安全、质量等管理数据，以及工程投资管理、环境保护等各方面管理数据；工程监测数据，如工程进度监测、安全监测、质量监测、环境监测和生态监测等各类监测数据；工程调度运行数据，如工程调度方案和指令、调度运行方案和评价、需水数据和来水数据等；工程信息数据包，如水利工程建设运行过程中涉及的文档、音频、视频等各类信息数据[5]。

3 工程大数据在水利管理中的具体运用

3.1 工程大数据治理的主要架构

水利工程大数据具有显著的大数据特征，海量、多样、高度、挖掘价值高，在水利管理实际运用中，要充分挖掘再利用工程大数据，首先要进行大数据的治理，从中获取到有价值的数据信息。水利工程大数据治理架构主要包括数据的汇集、清洗、融合、存储与服务4个阶段。利用大数据相关基础，先进行数据的广泛汇集，然后通过对比、清洗、建模和装载等数据处理，完成数据的融合，形成具有一致性、关联性、匹配性的数据组合，进行数据分析，最终获得基础数据、业务数据、空间数据、BIM数据等，并通过分布式存储与管理，实现工程大数据的存储与服务，如图2所示。

数据汇集通过文件上传、网络爬虫等多种手段实现对工程各类数据的广泛聚集，并遵循原有的数据结构、数据关系；数据清洗通过对数据的补全、转换、去重、过滤和校验等环节，剔除垃圾数据、补全数据缺失、修改错误数据等，大幅提升数据价值密度，为后续数据应用奠定基础；数据融合通过数据的梳理、关联、匹配、组合、分析，实现跨业务和组织数据融合，实现数据资源的整合，为业务管理应用提供依据；数据存储与服务是对融合数据利用分布式数据服务技术，实现数据的调度与存储管理，为工程管理提供了数据服务。

3.2 工程大数据在水利管理中的具体运用

在水利管理具体应用中，完成工程大数据的治理后，可以将数据作为工程管理决策的重要依据，构建工程各项管理的大数据分析主体，再利用信息技术、人工智能、工程模型算法，感知水利工程管理各项内容的态势，并对其运行趋势进行精准预测，从而实现对水利工程建设运行的精细化管理，加强对工程调度管理的高效性，并能够自动准确识别工程险情，提高水利管理效率[6]。工程大数据在水利管理中的具体运用主要包括工程安全、质量、进度、资金、调度和运维等管理内容。

图2 工程大数据治理架构图

3.2.1 工程安全管理

根据工程安全监督、检测、教育以及安全隐患等数据信息，利用大数据与可视化信息技术，建立可视化数据驾驶舱，对各项工程安全状态进行可视化模型推演，确定工程安全状态，并预测可能出现的安全隐患。同时，建立工程安全分级预警，实现动态化安全预警，加强安全管控。

3.2.2 工程质量管理

根据工程质量相关的计划、检测、评定等各项数据信息，建立工程质量评价模型，运用大数据技术对工程质量进行综合评定，精准定位工程质量不达标数据，量化工程质量监督与考核，从而实现对工程质量的有效管理、监督与控制。

3.2.3 工程进度管理

根据工程进度相关计划、监控和作业状态等数据信息，利用大数据技术建立工程进度评价模型，利用模型进行工程进度画像，实现对进度滞后工区的自动化识别。同时，利用模型进行工程进度推演，以便于管理人员能够实时掌握进度，并预测可能造成工程进度滞后的风险，提高工程进度管理效率。

3.2.4 工程资金管理

根据工程投资、预算支付等相关数据信息，利用大数据技术建立工程资金评价模型，关联工程进度数据，分析项目投资与完成比，实时掌握工程预付及实付情况，加强对工程投资全过程管理与控制，为管理人员控制成本，提高资金利用率提供可靠依据。

3.2.5 工程调度管理

根据工程需水、供水及安全监测等数据信息，并关联工程周边及沿线泵站、水闸、管道各方面相关数据，建立工程调度数据模型，按照模型算法得出调度方案，并借助BIM技术等进行工程调度预演，深入分析工程调度方案可行性，提高水量调度的经济性和安全性。

3.2.6 工程运行和维护管理

根据工程安全监测、水情监测和巡检等数据信息，关联工程调度数据，利用大数据算法，对工程运行情况进行监测评估，自动识别定位异常，为工程运行维护提供依据。

4 结语

综上所述，水利工程建设作为一项重要的民生工程，对推动社会经济的高速发展起到了重要的作用。大数据信息技术在水利管理中的应用，是水利工程未来建设发展的重要趋势，是水利工程建设实现高质量发展的技术支撑。现代水利工程数据具有显著的大数据特征，将大数据信息技术融入水利管理中，通过构建水利工程大数据，能够进一步细化工程数据分析，充分挖掘数据价值，为水利工程安全、质量、进度、资金、调度和运维等各方面的管理决策提供了重要的依据。当前，大数据信息技术在水利管理中的应用处于初级水平，积极探索大数据信息技术在水利工程管理中的有效应用途径，建立完善水利工程大数据，深入挖掘数据价值，实现水利工程精细化管理，为我国智慧水利建设奠定重要基础。