物联网及深度学习技术下智慧水利发展的研究*

李岩 程琳 杨豪杰 刘婧 王政博

1. 河北省高校水利自动化与信息化应用技术研发中心 河北 沧州 061001；2. 河北水利电力学院 河北 沧州 061001；3. 河北省南运河河务中心 河北 沧州 061001；4. 河北省地矿局第四水文工程地质大队 河北 沧州 061001；5. 河北省工业机械手控制与可靠性技术创新中心 河北 沧州 061001

引言

随着经济社会的快速发展，我国水资源供需矛盾日益突出。我国地域广阔，水系众多，水利工程数量多、分布广，经济社会的快速发展对水资源提出了更高的要求。2018年中央一号文件明确提出要实施智慧农业林业水利工程。水利部在2018年2月和2019年7月分别印发了《加快推进新时代水利现代化的指导意见》和《智慧水利总体方案》，两者都强调了水利现代化和可持续发展。智慧水利则是水利现代化的重要发展阶段。目前，对于智慧水利还缺乏较为系统的认识，部分水利工程管理中设备人工巡查操作，数据人工统计上报，数据分析相对缺乏，水利设施的智慧化程度相对较低。现有的智慧水利平台也存在获取运行数据不够全面，数据传输问题突出，信息孤岛存在，智能化不足等问题。因此厘清和明晰智慧水利建设内涵，将物联网和深度学习技术应用到智慧水利的建设及发展，具有重要的意义。

1 智慧水利的概念及内涵

智慧水利属于多学科交叉领域，是以传统水利为基础，融合了水利工程、计算机科学、环境科学、通信技术等多个学科，是对水利行业进行信息化发展的新阶段。目前，物联网技术、人工智能技术等新技术在水利中的使用越来越多，极大地推动了水利信息化的发展。

智慧水利核心内涵是传统的水利对象对于信息化需求的不断提升。传统的水利对象，如河流、湖泊、水库、水坝、水闸、泵站等，在运行管理中都是以人工管理为主，水文数据也需要工作人员定时观测，效率低，准确度不高。将物联网、深度学习、5G、大数据等新一代信息技术应用在水利领域[1]，在水安全、水资源、水环境、水生态等领域实现智慧化管理，智能化决策，透彻感知，全面互联，以达到智慧水利各项功能。

智慧水利的特征是高效性、可持续性、智能化、安全性等。智慧水利通过强感知系统和控制系统获取数据，使用物联网技术和通信技术远程传输到智慧水利平台进行数据存储，并使用深度学习技术进行数据分析，对水利安全，水利资源，水利环境等领域的管理和决策提出建议[2]。

2 物联网及深度学习技术

2.1 物联网技术

近年来，物联网技术越来越成熟，已在多行业应用。物联网技术综合使用了传感器技术、自动控制技术、通信技术、计算技术等，可以实现对目标对象的远程监测，远程控制。

物联网分为感知层、控制层、通信层、中间层和交互层。其中，感知层在控制层控制下使用传感器进行各种数据的获取。控制层为现场测控设备的核心，由单片机、PLC等构成[3]。通信层负责控制层与云端中间层的通信，根据使用场景不同，可以使用WIFI，5G，NB-IOT，LORA等通信方式，通信协议一般使用物联网通信协议MQTT和COAP。中间层一般部署在云端，主要负责数据存储及数据转发。交互层的主要作用是和用户进行交互，主要使用B/S结构WEB界面或者手机App显示现场监测数据。

图1 物联网分层模型

2.2 深度学习技术

深度学习（Deep Learning）是机器学习的分支，卷积神经网络(CNN)和深度置信网络和递归神经网络等已被广泛地应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了良好的效果。目前已经形成了几个主要的深度学习框架，如Google公司推出的Tensorflow，Facebook公司推出的PyTorch，加利福尼亚大学伯克利分校推出的Caffe，百度公司推出的PaddlePaddle等框架集，这些开源框架集的出现，进一步推动了深度学习使用。

3 智慧水利关键技术应用

3.1 物联网技术在智慧水利中的应用

智慧水利建设中，物联网技术是必不可少的一环。习近平总书记提出了“节水优先，空间均衡，系统治理，双手发力”的治水思路。新时期智慧水利的发展，需要加强远程监管，合理调度资源，及时存储数据。智慧水利发展，涵盖了数据的获取，远程传输，远程显示，远程存储等内容，这些功能的实现都需要物联网技术进行支撑。

目前，农村水利，水政水资源，防汛抗旱，生态保护，水利工程管理几个方面都是智慧水利建设中重点的服务领域。地下水取水双控，农村饮用水安全，水库水情监测，山区山洪监测，水坝运行情况监测都是水利行业内需要监控的重点方向。需要长时间，不间断的进行监测和记录。物联网技术可以有力支撑这些领域内的远程自动监控[4]。根据环境不同，在网络条件较好的地点，使用WIFI进行数据传输；在野外地区，使用低功耗的NB-IOT技术进行数据传输；在无基站地区，使用LORA或北斗报文技术进行数据传输，可以有效地进行各站点进行远程实时无人监控。

3.2 深度学习技术在智慧水利中的应用

Alpha Go横空出世，深度学习技术再一次得到了重视。目前，深度学习技术在机器视觉，自然语言处理，数据分析领域都取得了很多成果，改变了我们的生活。智慧水利中，深度学习目前主要应用在水利工程运行情况监测，水利调度数据分析，智慧大脑建设等领域[5]。由于物联网技术的使用，云端积累了大量的水利数据，利用智慧水利平台积累的大量数据，深度学习技术可以对水利工程运行，水利环境安全性，水文变化趋势进行分析，并给出合理化建议。

使用深度学习进行预测，需要使用积累的有效水利数据对选定的深度学习模型进行训练，经过训练集多次训练，得到参数稳定的深度学习模型。将需要进行预测的水利数据进行输入，可以得到较为准确的预测结果。

目前，已经有使用深度学习YOLO模型对水利工程混凝土裂缝进行监测的相关研究，并取得一定进展。YOLO模型是一个优秀的目标检测模型，具有运算量小，准确性高的特点，目前还在不断改进中。有学者使用LSTM模型对水工建筑物的安全模型进行优化，LSTM模型具有预测长期时间序列的能力。

深度学习对于智慧水利具有重要作用，是智慧水利建设的重要一环。将深度学习应用到智慧水利建设中，才能真正发挥智慧水利的重要性。

4 智慧水利未来发展方向

当前，智慧水利还存在诸多不足，如感知不够全面，部分环境通信困难，水利信息共享不够充分，深度学习应用不足等。为解决上述问题，智慧水利进一步发展方向如下：①加强硬件设施建设。对于需要远程实时监测的目标，需要进一步增强监测网点建设，增加现地监测设备布点，建立覆盖全面的感知网络体系。进一步加强水利通信网络建设，保证水利感知数据在不同环境下可以通过不同通信方式高效传输。同时建立匹配的云计算存储平台，为数据的存储和分析提供支持。②加强水利知识体系构建。将人工智能特别是深度学习深入应用到智慧水利建设中，利用水利行业的海量数据，获得适合水利行业的深度学习模型，探寻水利事件发展的规律。③将物联网技术、深度学习技术等新技术和水利业务深度融合，在水灾害预警、水利工程管理、水文预测等方面进一步探索。④制定统一的水利物联网通信标准。在水利信息采集，数据传输，数据存储制定规范。

5 结束语

通过对智慧水利概念的总结，物联网及深度学习技术的介绍，对智慧水利的发展进行了深入讨论：①物联网中的感知和远程数据传输技术在智慧水利中具有重要作用。在农村水利，水政水资源，水文监测，水灾害预警和水利工程监测中都依赖物联网技术提供的数据获取，远程数据传输和数据存储能力。②水利领域环境复杂，数据传输中，在环境允许的条件下可以使用WIFI，5G方式传输。在大部分野外环境中，需要使用低功耗的NB-IoT，Lora，Zig Bee等技术进行数据传输。③深度学习可以根据大量水利数据，训练出适合水利行业的模型，从而在水文数据预测，水灾害预警，水利工程运行监测，水利工程安全分析等方面进行深入应用。④制定水利标准，可以进一步推动智慧水利的规范化发展。