工程大数据在水利工程建设管理中的应用

李文静，黄梦超

（青州市水利建筑总公司）

1 工程大数据基本特征

在大数据技术不断发展下，其概念、关键技术也在不断完善和更新。大数据具备四方面特性，即数据规模海量、数据流动快速、数据类型多样、数据价值庞大等，这些特性成为判断是否构成大数据的因素。对于水利工程而言，主要建设内容包括闸门、管道、水库、隧道、盾构等，在建设过程中涉及的要素有也较多，比如资金、环境、质量、安全、稳定、水质、调度、运营等，这些建设内容、涉及要素产生的数据也是多种多样、复杂多变的，具有大数据的特征。

1）数据多，来源和形式多样

水利工程的数据来源十分广泛，在工程建设的各个阶段都会产生，包括所有监测设备每秒钟产生的大量数据，还包括工程设计、施工BIM 模型构建等相关数据。同时，在工程建设管理过程中，也会产生各种管理数据、调度数据、运维数据等，数据年增长量会超过1TB，具备大数据结构特征。

2）数据快速增长，有较高的价值

在水利工程建设管理的过程中，随着信息化技术的不断应用，会逐渐完善监测密度和指标，提升建设运行数据的增长速度，这些数据就是水利工程建设、管理、运营各个阶段必要的参考数据，具有较高的应用价值。

3）数据动态化变化，具有较强实时性

在水利工程建设管理中，产生的各种数据表现出动态变化特征，比如，水文条件、生态、水质等监测过程中产生的数据，会在不同时间段、不同地点发生不同变化。应用工程BIM模型时，能够及时根据实际情况对模型构建进行调整。同时，水利工程对大数据还有较高实时性的要求，需要其准确、有效，能够对施工、质量、调度数据等进行有效监测，分析工程运行是否稳定、通畅，是否需要应急措施等。

4）数据交织影响，有一定关联性

在水利工程中，各种数据之间具有交织影响、相互关联的关系。比如，工程进度数据，与施工设备状况、施工条件、施工天气、施工标段等数据有一定关联。

2 水利工程大数据构成

对于水利工程大数据而言，其基本模型主要是根据工程对象明确标准，确定标识和属性，能够避免大量数据影响数据之间的关联性，标识能够表明工程对象的存在性和唯一性，属性能够表明工程对象存在的关联特征，比如BIM特征、从属特征、业务特征以及标识特征等。具体水利工程大数据基本模型如图1所示。

图1 水利工程数据资源模型

1）基础数据

主要包括水利工程承包单位、建设单位、参建单位、标段、工程划分、设备机械、监测站等数据信息。

2）空间数据

主要是空间地理角度中的数据，比如，水库、河流、隧洞、泵站等数据，还包括卫星遥感数据、倾斜摄影数据等。

3）BIM数据

主要是工程BIM模型架构中的数据，比如，挡水建筑物模型、边坡工程模型、导流建筑物模型、管理建筑物模型等，其中包含的数据能够体现出精度、深度、标准等，进而保证BIM数据准确性、完整性。

4）工程管理数据

主要是水利工程建设各个阶段管理的数据，如进度、安全、质量、资金、生态、智慧工地、环境等方面管理的数据。

5）工程监测数据

主要是水利工程建设各个阶段监测的数据，如安全、质量、生态、环境、水质等方面监测的数据。

6）调度运行数据

主要是调度运行过程中的各个数据，包括方案数据、评价数据、指令数据、成果数据、需水来水数据等。

7）多媒体数据

主要是工程建设、运行过程中产生的图片、文档、声音、影像、视频等数据。

3 工程大数据在水利工程建设管理中的治理方法

工程大数据在水利工程建设管理中的应用主要分为四个阶段：数据汇聚、数据清洗、数据融合、存储服务等。应用质量控制技术、数据库开发技术、ETL 技术等，对数据进行对比、清洗、建模、装载、归类处理、一致处理，处理图斑、编码、质量检查等，并借助分布式存储功能对水利工程各项数据进行存储和服务，具体治理方法如图2所示。

图2 工程大数据在水利工程建设管理中的治理方法图

对数据汇聚而言，采用Web Service，借助前置系统、FTP、网络爬虫、表格文件等上传方式，对水利工程各方面监测进行感知，实现相关业务系统和其他外部系统之间产生的结构化、非结构化、时序性、关系性以及地理空间数据的汇聚。

数据清洗主要采用全流程数据清洗模式，在数据补全、转换、去重、过滤、校验等操作中对垃圾数据进行清理，修补不全的数据，改善数据格式，解决数据内容错误的问题，保证数据质量，提升应用价值。

用数据融合模型处理数据融合。将数据作为管理对象，建立跨组织、跨业务的数据关联和组合，对数据进行梳理、分析和匹配，实现零散数据的统一管理。

数据服务主要采用分布式技术，包括资源调度、存储管理和数据服务等内容，实现结构化、非结构化、半结构化的数据统一存储、管理和服务。

4 工程大数据在水利工程建设管理中的应用途径

4.1 工程大数据在规划设计阶段的应用

在规划设计阶段，主要借助大数据明确工程的具体位置，分析工程周围环境、地形地势等，了解当地水文气象条件和变化特点等。同时，相关学者对大量数据进行研究和分析之后发现，大数据和传统水文气象数据的抽象分析结果相比较，可靠性更高。尤其是遥感技术、物联网技术的应用，会使地面水文监测站具有全面水文信息感应系统，为建设工作奠定基础。

4.2 工程大数据在施工建设阶段的应用

通过对大数据技术研究发现，智能化水利工程的建设主要是构建智慧大坝。该智慧大坝主要包括空间层、感知层、传输层、管理决策层以及智能分析层等几个层次。在实际施工建设中，可以利用大数据技术，对水利工程项目实施不同程度、不同阶段的优化和控制，对大坝质量、稳定性等进行全面分析。还可以将施工进度计划、进度监控、资源监控、作业状况等信息记录在大数据系统中，建立工程进度数据图或者模型图，精确识别存在窝工和安全隐患的工区或标段，辅助管理人员及时掌握施工状态，有效处理各种风险，保证施工进度。

4.3 工程大数据在运营管理阶段的应用

在水利工程正式运营管理阶段，可以将大数据技术应用其中，加强对洪涝灾害的管理，并借助该技术获取相关数据信息，提前预测灾害的发生，采取应急处理措施，避免灾害发生造成严重影响。另外，在水利工程运营管理中，可以利用工程大数据，借助运维大数据算法，将工程安全监测、水质监测、调度监测等技术手段结合起来，对工程中机电设备、水工建筑物的状态进行检查和评估，预测设备是否出现异常，进而保证工程安全运行。

5 结语

综上所述，随着我国社会经济、科学技术的不断发展，水利工程建设速度、效率越来越高。现阶段，大数据技术应用在水利工程建设管理中，相比传统管理模式，能够有效发现工程中存在的问题，并对风险进行预判，在实现工程安全监测、水质监测和调度监测的同时，借助遥感技术、物联网技术、BIM技术，将大数据的价值发挥出来，推动水利工程向着智慧化方向发展。