大数据驱动的流域洪涝灾害智能决策引擎关键技术研发

封 敏

（四创科技有限公司，350100，福州）

一、技术概述

为解决流域洪涝灾害治理中海量摄像头视频数据挖掘，流域洪水预报的高质量水文资料整备、水文模型调参，流域工程调度方案制定，决策过程中对结果的预演等难题，以大数据为驱动，着眼于基于机器视觉的流域洪涝灾害智能感知技术、基于机器学习的流域洪水智能预报技术、基于知识图谱的流域工程智能调度技术、基于数字孪生的流域空间智能决策技术研发，构建一套以大数据为驱动的流域洪涝灾害智能化决策引擎。该引擎包括流域水位识别引擎、流域洪水预报自动调参引擎、流域工程智能调度引擎、流域数字孪生决策引擎，对应实现流域洪涝灾害感知、流域洪水预报、流域工程调度的智能化，并基于数字孪生实现地理信息、感知信息、决策信息的融合，构建预报、预警、预演、预案场景，助力流域洪涝灾害智能决策，最终增强流域数字治理能力（见图1）。

图1 以大数据为驱动的流域洪涝灾害智能化决策引擎总体框架

二、研究内容

1.基于机器视觉的流域洪涝灾害智能感知技术

流域水位监测对于水灾害防御、水环境保护、水资源管理等工作极其重要。传统的水位监测以人工监测为主，存在覆盖面有限、管理困难、新建站点费用高等问题；性价比较高的摄像头监测站点，存在无法实时监控、视频潜在信息价值（如水位、流速、漂浮物等）未能充分挖掘等问题，造成资源浪费。针对这些问题，研发基于机器视觉的流域洪涝灾害智能感知技术。

（1）基于实体水尺的水位图像识别模型

通过摄像装置采集待检测区域的水尺图片，进行归一化处理，标定水尺量程及水尺关键刻度。采用机器学习SVM 模型，根据水尺图片特征进行训练分类，选择最优算法计算水尺水位，并将其转换为当前水位值。对出现错误的识别图像进行重新标定，不断重复识别与学习，提升AI 识别的成功率。

（2）基于虚拟水尺的水位图像识别模型

针对未安装实体水尺或水流湍急的区域，构建基于虚拟水尺的水位图像识别模型，训练提取水面纹理特征，对视频帧图像序列进行处理分析，智能提取视野内水面范围，并利用堤防、水库、水闸、岸线边坡等目标建筑物或参照物设计虚拟水尺比例尺，通过水面位置与虚拟水尺交汇关系计算水位高度。

2.基于机器学习的流域洪水智能预报技术

国内小流域洪水预报应用了较多机理性模型，包括集总式水文模型、分布式水文模型等，但在强降雨条件下，小流域洪水下垫面空间异质性强、产汇流时间短、突发性强、破坏力强，加之水文资料欠缺，使得精细化预报无法实现。同时，机理性模型需要人工调参，模型上线运行后需要专人跟踪运行情况、持续优化参数，工作量大，且参数选取可能存在主观、不合理情况，最终可能导致预报结果不可用。针对以上问题，研发基于机器学习的流域洪水智能预报技术。

（1）基于机器学习调参的洪水预报模型

水文—水动力耦合模型能够反映气象及下垫面条件的时空异质性，也能较好地模拟确定性预报，能有效克服集总式水文模型的局限性，可对河道水文要素和洪水动态演进进行精细化模拟。基于机器学习，根据模型运行情况自动调参，可大幅度提升模型调参效率和预报精度，极大地提高工作效率。

根据已获取的历史水文数据和流域基础资料，搭建水文—水动力耦合初始模型，并基于机器学习自动调参，利用水文模型模拟计算重点防洪河道上游断面的流量过程，以此作为水动力学模型的边界条件，利用所述历史水文数据率定水文—水动力耦合初始模型。

获取研究流域内的网格气象预报数据、蒸发量数据以及各雨量站点的预热期雨量数据，并根据网格气象预报数据得到预报期雨量数据。将蒸发量数据及预报期雨量数据导入水文—水动力耦合模型，可实现实时、精确、预见期较长的小流域洪水预报预警。

（2）流域淹没分析模型

对于流域防洪重点区，综合区域面积、模拟精度、计算时间及软件性能等因素合理划分网格，利用洪水预报模型输出的洪水流量过程，侧向连接一维河段与二维边缘网格，实现两者之间自由水体交换，进而模拟洪水漫溢后洪水演进及淹没过程，为预警提供依据，为预演提供形象直观的效果。搭建二维水动力模型时，为分析溃口淹没及流速流向变化，对发生漫堤、溃口或分洪河段的相关区域采用二维非恒定模型进行模拟计算。

3.基于知识图谱的流域工程智能调度技术

研究基于知识图谱的流域工程智能调度技术，围绕流域工程调度管理规程、控制运用计划和历史调度经验库等资料，对错综复杂的数据、成果、文档等进行加工、处理、整合，转化为“实体—关系—实体”（如“某小流域—上游河道—某水位站”“某雨量站—汇流—某小流域”）、“实体—属性—值”（如“某雨量站—雨量—** mm”“某水位站—水位—** m”）三元组，进而构建流域工程调度知识图谱（图2），结合流域智能感知、预测结果，实现工程智能化调度。

图2 知识图谱框架

为构建流域工程智能调度知识图谱，基于大量的历史经验和知识构建模式层，以实现陈述性和过程性知识表示。首先，进行调度规则特征要素提取。将联合调度方案抽象化，提取防洪对象、启动时机、调度方式等特征要素信息，并建立各要素间的语义逻辑关系，将调度方案逻辑化。其次，进行调度规则库知识化描述。根据调度规则要素之间的逻辑关系，进一步细化构建水工程运行规则的知识化描述构架，形成调度规则库的原型。此后，开展调度规则库框架构建及实例化。基于调度规则库原型，针对水工程与控制对象间的调度影响关系开展调度规则库框架设计与构建，反映调度规则的各项特征要素，以保证规则库的可读性和易用性，并支撑调度规则的解析和应用。在此框架上，将提取的调度规则特征值以三元组形式进行存储，实现调度规则库的实例化。

通过构建三元组，全方位描述流域洪涝灾害治理实体类别及其相互关系和规律，完成知识抽取。通过构建实体连接、属性映射、关系映射等，实现不同知识的融合。

4.基于数字孪生的流域空间智能决策技术

（1）可视化模型构建

对自然背景、水利工程、流场动态构建可视化模型，包括还原自然背景、构建水利工程三维结构以及获取水利工程流域范围内的流场动态信息。

还原自然背景。以地理信息数据作为流域底板的底层数据，在此基础上进行全要素场景自动化生成，获得该区域L2级别的中精度数字底板流域场景。

构建水利工程三维结构。根据水坝BIM、CAD模型或效果图、照片等相关资料，构建干流重点水坝几何体；根据水坝建筑规划资料、建筑效果图或实景照片，还原水坝建筑材质、纹理颜色等；将水坝建筑模型导入数字孪生场景进行空间定位，使水坝模型与整体环境相融合；根据水坝区域规划资料或卫星遥感信息，填充细化周边一定范围内的其他要素（如地面铺装、地理地貌等）；补充光照、天气等环境因素，渲染整体场景效果，提升真实场景拟合度。

获取流场动态信息。人工参考卫星图、航拍视频、照片等素材，对水库下游流域河道及水岸沿线植被、水利设施、堤坝等进行类似还原。

（2）模拟仿真引擎

数字模拟仿真引擎通过构建模型管理功能、配置数字孪生场景，提供关于时空场景的服务。通过全要素场景服务，应用层模块可以方便地根据空间坐标及时间轴，查询、检索场景内的一切要素，包括但不限于静态场景数据（如坐标高程、道路长度、建筑高度、点实体属性等）、动态场景数据（如视频监控数据、水位监测数据等）；数据层则可以将时空数据实时更新到全要素场景服务中。

5.流域洪涝灾害智能决策系统

按照气象预报和水文监测数据，将流域洪涝灾害的预报、预警、预演、预案等重点环节场景化，横向打通各部门数据，实现业务联动，进而研发一套孪生流域“四预”数字化应用平台，全面提升流域洪涝灾害防御能力。

（1）态势大屏

基于数字孪生平台，利用孪生可视化技术构建流域洪涝灾害智能预报、预警、预演、预案的调度综合大屏，实现“数据板上看”、业务随时办。

（2）“一张图”

集成流域内河道、水库、堤防、水闸、重点保护对象、山洪风险区等信息，叠加物资仓库、抢险队伍、避灾点等抢险资源信息，制成“一张图”，实现“一图看水”。

（3）流域洪水智能预报

一是网格化降雨量。根据气象部门提供的网格化降雨预报信息，在电子地图上依照时间轴展示流域网格化降雨量。二是流域洪水预报。系统根据实测降雨数据和预报降雨数据，结合洪水预报模型，计算流域未来洪峰、洪量、洪峰出现时间、最高水位等信息，并判断有无风险。

（4）流域洪涝灾害预警

一是预警监测。接入各系统预警预报数据，以流域数字孪生地图作为底图，展示流域内监测站点的监测预警信息，如雨量、河道水位、水库水位、视频监控、台风路径、卫星云图、气象雷达图、闸门开度和泵站运行情况等，并以图文、表格和地图标识的方式进行预警。二是预警管理。实现流域预警规则的设置，定义预警消息模板，进行流域洪涝灾害预警发布。

（5）流域洪涝灾害预演

一是流域洪涝灾害预报结果预演。根据流域内洪涝灾害预报结果，通过数字孪生平台对其进行预演。以时间轴预演洪水水位上涨过程，当水位高于堤防时，展示洪水淹没的区域范围，同时展示受影响村镇、淹没面积、影响人口等信息。二是调度过程动态模拟。利用数字孪生平台对流域的重要水工程进行高精度建模，实现对干流水工程实时调度过程的仿真，如水库开闸泄洪过程、下游河道水位上涨过程等。

（6）流域治理预案

一是调度方案生成。根据流域工程群组与保护节点对象间的时空拓扑关系和调度协调互补机制，构建涵盖多对象、多层级、多属性单元的区域调度知识体系，根据防洪、抗旱、水环境治理等场景制定不同调度目标，结合工程调度及控制计划，利用智能感知获取的水位、流量信息和物联网监测信息，基于场景目标建立不同来水、不同工况下工程调度影响与行洪状态要素变化在流域范围内的多级互馈映射关系。二是调度方案优选。通过知识图谱推荐多个调度方案，包括应对当前场景所需要投入使用的工程群组与调度方式，并以灾害风险最小、经济损失最小等为目标对各方案进行排序，快速获取不同目标导向下最优调度方案非劣解集，为决策提供参考支撑。

三、展 望